MATLAB算法实战应用案例精讲-【深度学习】使用Pytorch和OpenCV实现视频人脸替换

目录

PyTorch常用代码段

1『基本配置』

可复现性

2『Tensor处理』

张量基本信息

命名张量

复制张量

张量拼接​​​​​​​

将整数标签转为one-hot编码​​​​​​​

得到非零元素​​​​​​​

判断两个张量相等​​​​​​​

张量扩展​​​​​​​

矩阵乘法​​​​​​​

计算两组数据之间的两两欧式距离

3『模型定义和操作』

双线性汇合（bilinear pooling）

多卡同步 BN（Batch normalization）

类似 Keras 的 model.summary() 输出模型信息，使用pytorch-summary

4『数据处理』

5『模型训练和测试』

学习率衰减​​​​​​​

优化器链式更新

6『其他注意事项』

使用Pytorch和OpenCV实现视频人脸替换

提取和对齐-构建数据集

训练

生成视频

整合

---

PyTorch常用代码段

1『基本配置』

导入包和版本查询​​​​​​​

import torchimport torch.nn as nnimport torchvisionprint(torch.__version__)print(torch.version.cuda)print(torch.backends.cudnn.version())print(torch.cuda.get_device_name(0))

可复现性

在硬件设备（CPU、GPU）不同时，完全的可复现性无法保证，即使随机种子相同。但是，在同一个设备上，应该保证可复现性。具体做法是，在程序开始的时候固定torch的随机种子，同时也把numpy的随机种子固定。​​​​​​​

np.random.seed(0)tor