2019年04月_祥瑞Coding

原创 Graph特征提取方法:谱聚类(Spectral Clustering)详解

背景：Graph的特征提取方法有很多种，有空域的方法vertex domain，谱方法spectral domain，最经典的就是图卷积GCN（Graph Convolutional Network）GCN (Graph Convolutional Network) 图卷积网络解析。这里是另一种方法，谱聚类的方法( spectral clustering)。相关论文详解：GCN (Gra...

2019-04-30 13:47:58 14983 3

原创 PyTorch项目应用实例(一)加载(本地|官方)预训练模型

背景：我们需要把模型上传集群运行，所以预训练的模型需要放在文件夹之内进行加载，把环境及配置拷入env之后，不能用文件夹之外的库。预训练的resnet101需要直接放入目录下加载。目录一、预训练模型的加载1.1 模型加载1.2 加载流程1.3 模型位置1.4 缺点1.5 找到预训练模型位置二、加载指定位置模型2.1 例子程序2.2 把网络模型放入目录下2....

2019-04-28 21:57:15 19058 7

原创 ML-GCN（二）模型结构更改

背景：我们需要更改相应的模型。（另，训练测试的时候，训练集上的mAP居然比验证集上的差，比如epoch =1的时候差了 30个百分点，可能程序编写有误，这点我们需要搞懂,查清代码原因。）目录一、模型定义1.1 定义位置1.2 输入参数1.3 初始化的网络1.4 结构关系二、heads网络2.1 输入参数2.2 初始化网络结构2.3 前馈结构Globa...

2019-04-28 15:07:02 3542 7

原创 Linux中显卡用户管理相关应用及命令行

目的：管理相应显卡环境，汇总指令方便运用与查阅。相关文档：常用Linux指令汇总(显卡|读写|编译|进程|用户|挂载) 目录一、显卡相关1.1 nvidia-smi动态显示显卡占用1.2 运行程序时指定显卡1.3 端口号与PID号查询二. 用户与进程相关2.1 端口号与PID号查询2.2 通过PID查询用户名2.3 查询PID的命令行2.4 查询...

2019-04-28 14:27:26 1222

原创 docker安装及环境容器上传

背景：同学整理的简单的docker安装及使用。目录一、安装docker1.1. 检查系统1.2. 更新源并安装依赖1.3. 添加一个新的GPG密钥1.4. 运行下面的命令1.5. 更新APT包索引1.6. 校验APT是从一个正确的仓库拉取安装包1.7. Ubuntu Xenial 16.04[LTS]需要的前置操作1.8. 安装二、基本操作2.1 查...

2019-04-25 16:16:14 593

原创 ML-GCN（一）代码训练与运行

目的：运行并粗略看懂ML-GCN的代码。注：此代码为更改后的代码，结构与原来模型相差甚远。但代码结构大致相同。代码地址：https://github.com/chenzhaomin123/ML_GCN论文地址 https://arxiv.org/abs/1904.03582目录一、相关依赖项下载1.1 程序及数据1.2 数据集1.3 放入对应位置1.4 标注 an...

2019-04-24 16:50:21 10909 56

原创旷视CVPR2019图卷积多标签图像识别Multi-Label Image Recognition with Graph Convolutional Networks论文详解

背景：GCN刚出来，很多很容易想到的idea会被运用起来，很容易产生一些paper。我们解析此篇论文，了解其中原理，一来看看如何将图卷积应用于目前技术上，二来看到底如何快速的把准确率刷到state of the art以便发文章。代码地址：https://github.com/chenzhaomin123/ML_GCN论文地址 https://arxiv.org/abs/1904.035...

2019-04-22 21:38:18 14475 35

原创 Graph Attention Network 图注意力网络 (二) 模型定义

目的：前面详解了GAT（Graph Attention Network）的论文，并且概览了代码，我们需要对于原论文查看模型结构如何定义的。图注意力网络(GAT) ICLR2018, Graph Attention Network论文详解 Graph Attention Network (一) 训练运行与代码概览代码地址：https://github.com/Diego999/pyGA...

2019-04-22 11:46:56 7948 40

原创 Graph Attention Network 图注意力网络 (一) 训练运行与代码概览

目的：运行并粗略看懂Graph attention network的pytorch代码。代码地址：https://github.com/Diego999/pyGAT论文地址：This is a pytorch implementation of the Graph Attention Network (GAT) model presented by Veličković et. al (2...

2019-04-22 10:49:49 10674 28

原创图注意力网络(GAT) ICLR2018, Graph Attention Network论文详解

背景：ICLR2018 论文，Graph Attention Network在GNN中非常重要，再之前图卷积网络GCN的基础之上引入了注意力机制，非常实用。论文地址：https://arxiv.org/abs/1710.10903代码地址： https://github.com/Diego999/pyGAT相关论文详解：GCN (Graph Convolutional Networ...

2019-04-21 19:26:06 102409 89

原创 Graph Convolution Network图卷积网络（二）数据加载与网络结构定义

背景 : 弄懂Graph Convolution Network的pytorch代码如何加载数据并且如何定义网络结构的。代码地址：https://github.com/tkipf/pygcn论文地址：https://arxiv.org/abs/1609.02907 Semi-Supervised Classification with Graph Convolutional Network...

2019-04-19 10:35:05 17011 38

原创 Graph Convolution Network图卷积网络（一）训练运行与代码概览

背景：看懂并运行Graph Convolution Network的pytorch代码。代码地址：https://github.com/tkipf/pygcn论文地址：https://arxiv.org/abs/1609.02907 Semi-Supervised Classification with Graph Convolutional Networks，ICLR 2017目录...

2019-04-18 14:36:44 18778 21

原创 GCN (Graph Convolutional Network) 图卷积网络解析

目的：图卷积网络近两年大火，博主实习需要用到。接下来几个月就会在图卷积网络上做很多东西。这篇是刚开始对图卷积网络的学习，所以会广泛参考相关论文与网上的技术博客，总结归纳，希望提炼出有用的知识，加深对于图卷积网络的理解。重要内容链接会贴出方便大家学习，也很欢迎大家跟我探讨或者分享心得。对于复杂的公式与繁杂的推证，博主希望尽可能理解其意义，对于难以理解的或者暂时没有时间推证的可以先记下其结论，方便后续...

2019-04-16 11:37:33 82264 58

原创 pix2pix（二）训练图像尺寸及分配显卡

背景：新的数据集上，图像的大小为496*496，与原尺寸512*512不一样，不知道能否直接运行。另外，我们现在有了四张空余显卡服务器，并且新数据集的数据量较大，我们有空余的显卡资源加快训练。目的：搞懂代码之中关于网络输入尺寸的部分，同时搞懂如何增大显卡占用以加快训练。目录一、图像尺寸1.1 作者描述预处理图像尺寸关于尺寸的信息1.2 代码信息 ...

2019-04-11 15:10:59 6155 8

原创 pix2pix论文详解pix2pix:Image-to-Image Translation with Conditional Adversarial Networks

目的：CVPR 2017论文pix2pix，在image2image的任务之中具有很好的效果。我们需要详细解析此论文，搞懂其中的原理。项目地址：https://phillipi.github.io/pix2pix/论文地址：https://arxiv.org/abs/1611.07004目录一、概览及基础1.1 效果概览1.2 传统GAN原理1.3 GAN分类二、方...

2019-04-09 17:46:34 24171 8

原创 pix2pix（一）制作样本对并进行训练与测试

目的：我们通过cycleGAN生成了一些样本对，挑选出较好的样本对，想要在pix2pix上进行实验。参考：https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix/blob/master/docs/datasets.md目录一、数据集创建方法1.1 A和B的描述1.2 文件夹与子文件夹1.3 命名规范1.4 创建数据...

2019-04-09 17:06:21 12259 15

原创 macOS上运行python及配置相应环境

背景：我们希望在macOS上完成一些初级的数据处理及增扩，例如图像旋转，名称更改及写入文件夹等等这些基本操作。这些操作交互性交强，且需要看到实时的结果，没必要放在服务器上使流程更加复杂。因此直接运用macOS运行即可。本文在于实现简单的数据增扩，还没有用到anaconda管理环境，如果需要用到anaconda管理环境的话，可以参考这篇：macOS上PyCharm配置Anaconda环境 ...

2019-04-08 17:08:30 3703

原创 CycleGAN（六）模型结构更改

目的：更改模型结构用于我们的实验，增加为两个判别器。参考：后面链接为作者给的更改模型的模板，我们需要在cycle_gan.py的基础上进行更改。https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix/blob/master/models/template_model.py更改后代码已经共享到github：https://github....

2019-04-02 14:39:44 8947 1

原创 CycleGAN（四）inference过程与model定义

背景：我们需要搞懂cycleGAN如何对已有图片进行inference目录一、嵌套位置1.1 调用位置1.2 inference调用的函数二、前馈运算2.1 forward2.2 实验结果及解释三、模型3.1 模型定义3.2 定义loss3.3 模型结构一、嵌套位置1.1 调用位置test.py之中，很容易看到调用inference的部分...

2019-04-01 15:06:01 3981 3

原创 CycleGAN（五）loss解析及更改与实验

目的：弄懂loss的定义位置及何更改。目录一、论文中loss定义及含义1.1 论文中的loss1.2 adversarial loss1.3 cycle consistency loss1.4 总体loss1.5 idt loss二、代码中loss定义2.1 判别器D的loss2.2 生成器G的loss2.3 Idt loss2.4 定义位置汇总...

2019-04-01 11:25:05 32196 18

祥瑞的技术博客