六月十五

1.WPGAN使用layer normalization

2.CUDA&cuDNN

CUDA：Compute Unified Device Architecture，是一种通用的并行计算架构，该架构使GPU能够解决复杂的计算问题，它包含了CUDA指令集及GPU内部的并行计算引擎。
cuDNN：CUDA Deep Neural Network library，它是专门针对深度学习框架设计的一套GPU计算加速方案，提供了对深度神经网络向前向后的卷积池化以及RNN的性能优化

3.Tensorflow

tensorflow 采用张量的数据结构来表示它内部的所有数据，也只有张量形式的数据才可以在不同计算设备和计算操作之间传递。每个张量都有自己的静态类型，以及张量的形状（各个唯度的长度）。

4.GAN的应用扩展

比如翻译，input A, output B .

1. 注意网络的优化学习范式为无监督学习

5.关于GAN的一点感悟

可以用来任何事情，如检测，分类，分割，图像增强，超分。
（😏，我真的选了一个好方向）

几个不成熟的想法

• 计算视觉其实就是对一个图片对的统计分布结果的分析；
• 而至于图像的频域和空域只是对图像客观信息对描述
• 卷积是一种积分运算，它可以用来描述线性时不变系统的输入和输出的关系。

2论文idea

GAN-cls具有感知的判别器

• GAN-cls增强判别器的功能，领其不仅能判断图片真伪，还能判断匹配的真伪

• 是否可以用LSGAN替换掉WGAN-UP
  LSGAN使用更加平滑和非饱和提督的损失函数—最小乘二来代替原来的Sigmoid交叉熵，L2正则，在数据偏离目标时会有一个与其偏离距离成比例的惩罚，将其拉回来，从而使数据的偏离不会越来越远。