![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 90
奇迹小缘
博客https://my.oschina.net/u/3763247 搬家到csdn
展开
-
StyleGAN 1.0
StyleGAN中的“Style”是指数据集中人脸的主要属性,比如人物的姿态等信息,而不是风格转换中的图像风格,这里Style是指人脸的风格,包括了脸型上面的表情、人脸朝向、发型等等,还包括纹理细节上的人脸肤色、人脸光照等方方面面。StyleGAN 用风格(style)来影响人脸的姿态、身份特征等,用噪声 ( noise ) 来影响头发丝、皱纹、肤色等细节部分。模型架构。原创 2023-02-15 17:07:15 · 474 阅读 · 0 评论 -
PyTorch
PyTorch提供了两个数据原语:torch.utils.data.DataLoader和torch.utils.data.Dataset,它们允许你使用预加载的数据集以及你自己的数据。此外,PyTorch 中有许多不同的优化器 可用,例如 ADAM 和 RMSProp,它们可以更好地处理不同类型的模型和数据。损失函数衡量的是得到的结果与目标值的相异程度,是我们在训练时想要最小化的损失函数。在单个训练循环中,模型对训练数据集(分批输入)进行预测,并反向传播预测误差以调整模型的参数。原创 2023-02-14 15:57:41 · 397 阅读 · 0 评论 -
深度学习plus
1.残差密集网络RDN论文链接:https://arxiv.org/abs/1802.08797本质:利用所有分层特征的图像超分辨率网络-单幅图像超分辨率(SISR)旨在于低分辨率(LR)测量的基础上生成视觉良好的高分辨率(HR)图像。Residual Dense Block(RDB)相当于结合了 ResNet 和 DenseNet 的主要思想,并在最后特征连接后添加了 1×1 卷积用于特征融合,可以在同时拥有 DenseNet 和 ResNet 的优势的前提下更好的对特征进行表述和利用。充原创 2021-03-18 12:48:53 · 243 阅读 · 0 评论 -
keras速成指南
参考B站莫凡python简介 Keras是由纯python编写的基于theano/tensorflow的深度学习框架。Keras是一个高层神经网络API安装在安装 Keras 之前, 需要确认已经安装好了 Numpy 和 Scipy. 因为 Keras 是基于 Tensorflow 或者 Theano 的. 所以可以先自己安装 Tensorflow 或者 Theano. 安装 Keras.pip3 install keras兼容Keras 可以基于两个Backend...原创 2021-03-15 23:39:52 · 174 阅读 · 0 评论 -
DenseNet
参考https://zhuanlan.zhihu.com/p/43057737目录概述DenseNetGrowth rateBottleneck Layers概述作为CVPR2017年的Best Paper, DenseNet脱离了加深网络层数(ResNet)和加宽网络结构(Inception)来提升网络性能的定式思维,从特征的角度考虑,通过特征重用和旁路(Bypass)设置,既大幅度减少了网络的参数量,又在一定程度上缓解了gradient vanishing问题的产生。.原创 2021-03-12 12:09:42 · 246 阅读 · 0 评论 -
CS231n笔记(下)-适用于0基础
迁移学习与物体定位监测定位-回归滑动窗口-overfeat全连接层转换为卷积层迁移学习在实践中,由于很少有足够大的数据集,所以很少有人会选择从头开始训练网络。常见的方法是:在一个非常大的数据集上预训练一个CNN,再使用这个预训练的网络作为初始化网络后进行微调、或者作为特征提取器。卷积神经网络作为一个特征提取器。使用在ImageNet上预训练的CNN,去除最后的全连接层(即:最后用来分类的层),然后将剩余的部分作为一个特征提取器。 Fine-tuning CNN。替换掉.原创 2021-03-06 00:23:36 · 167 阅读 · 0 评论 -
CS231n笔记(中)--适用于0基础
卷积神经网络常规神经网络:神经网络的输入是一个向量,然后在一系列的隐层中对它做变换。每个隐层都是由若干的神经元组成,都与前一层中的所有神经元连接。在一个隐层中,神经元相互独立不进行任何连接。最后的全连接层被称为“输出层”,在分类问题中,它输出的值被看做是不同类别的评分值。卷积神经网络针对输入全部是图像的情况,将结构调整得更加合理,其神经元是3维排列的:宽度、高度和深度,层中的神经元将只与前一层中的一小块区域连接,而不是采取全连接方式。网络结构卷积层有参数,是有一些可学习的滤波器集合,原创 2021-03-05 21:38:27 · 163 阅读 · 1 评论 -
CS231n笔记(上)-适用于0基础
图像分类数据集训练->给定图像->判断,应具有鲁棒性k折交叉验证:分折数据集,部分做训练部分做测试k邻近算法分类器,k为超参数KNN的原理就是当预测一个新的值x的时候,根据它距离最近的K个点是什么类别来判断x属于哪个类别。距离计算:哈曼顿、欧式、L1距离/L2k值选择:通过交叉验证从选取一个较小的K值开始,不断增加K的值,然后计算验证集合的方差,最终找到一个比较合适的K值。线性分类器f(xi,W,b)=Wxi+b线性分类器计算图像中3个颜色通道中所有像原创 2021-03-04 16:10:20 · 305 阅读 · 1 评论