![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文
文章平均质量分 68
天蓝蓝的本我
活着,在我们中国的语言里充满了力量,它的力量不是来自于叫喊,也不是来自于进攻,而是忍受,去忍受生命赋予我们的责任,去忍受现实给予我们的幸福和苦难、无聊和平庸。
展开
-
mendeley管理文献样式
编辑GB/T 7714—2005参考文件样式,解决:显示大小写,显示et al,不显示url,doi,参考文献信息不全的问题。前前后后忙了一周,现在记录下用到的方法。原创 2023-03-22 17:47:22 · 796 阅读 · 1 评论 -
cycleGAN复现运行效果及环境配置
cycleGAN复现运行效果原创 2023-02-14 12:02:38 · 850 阅读 · 6 评论 -
mathtype使用
word中修改论文Mathtype公式原创 2022-11-06 12:23:48 · 600 阅读 · 0 评论 -
论文排版(工科)
中文毕业论文写作word格式,根据标题自动标号。毕业季,该写论文了。这是论文格式的一点探索。原创 2022-03-24 10:22:42 · 660 阅读 · 0 评论 -
Mendeley使用记录
了解及安装:如果没有PDF全文?原创 2021-12-30 17:00:48 · 190 阅读 · 0 评论 -
TensorFlow训练时使用固定的随机数
tf 伪随机数原创 2021-12-23 14:51:23 · 1533 阅读 · 0 评论 -
openpyxl给excel设置条件格式
对数据的重要程度,进行颜色渐变的操作记录原创 2021-12-03 16:02:18 · 2623 阅读 · 0 评论 -
python使用openpyxl包操作xlsx的记录
实验中的一点实际操作原创 2021-12-03 16:00:58 · 408 阅读 · 0 评论 -
VNC如何直接将F8发送给服务器
原创 2021-11-16 16:04:50 · 655 阅读 · 0 评论 -
h5py使用探究:对一个数据库多次添加
python库–用h5py处理数据集创建和读取数据集h5数据制作与读取其实就是创建一个字典,比如示例中的 “data”:datawith h5py.File(savepath, 'w') as hf: hf.create_dataset(name , value)with h5py.File(savepath, 'r') as hf: hf.get(name)#示例with h5py.File(savepath, 'w') as hf: hf.create_dat原创 2021-10-28 19:24:34 · 1542 阅读 · 2 评论 -
BEGAN-边界均衡生成对抗网络-代码解读
当前论文代码首先注意:不同点: 该论文的输入是噪音,鉴别器和生成器都是哑铃型结构,相同点: 输出是一张图片,D都是用真实图像去比对.已知信息可见,是从main.py开始训练的.测试的时候,只需要将is_train设置为False,就可以指示进行训练。代码解读(关键点:[G/D/总]Loss,[G,D]网络API)from config import get_config超参数设置:在实际中,它应该是一个列表。argarse.ArgumentParser.parse_known_args原创 2021-10-28 11:04:14 · 1074 阅读 · 2 评论 -
实验室GPU操作记录20211020
1013维修后,操作记录第一次运行我用的是用户xxxy2080_10首先,用我的电脑VNCviewer打开服务器,发现只能显示一部分屏幕,而且,当我把窗口放大发现,这部分屏幕也会被放大。总之,就是看不了完整的整张屏幕。解决方法是,带参数启动vncviewer:需要先将VNCviewer加入path。然后vncviewer --FullScreen=1然后,根据教程来下载python,Anconada3// 创建screen会话screen -S python// 我看到Home文件夹原创 2021-10-20 11:29:07 · 585 阅读 · 1 评论 -
github的一次上传记录,pycharm实现
基础设置使用Pycharm将自己的代码上传到github原教程是Mac系统,我实际使用的是Windows系统第一步,登录github:File - settings-Version Control-GitHub-点击+号登录自己的账户第二步,git相关,安装git后,File - settings-Version Control-git-检查git的执行路径对不对,应该是可执行文件的路径然后,依次点击:在接下来的窗口里,可以输入新建库的名称,是否私有等,也可以添加描述.我的项原创 2021-10-18 11:06:38 · 335 阅读 · 0 评论 -
第三篇: DDcGAN-用于多分辨率图像融合的双判别器生成对抗网络
参考博客1:DDcGAN:用于多分辨率图像融合的双判别器生成对抗网络DDcGAN文章内容G: 如图所示,输入可见图像v 和红外图像 i,经过生成器G得到融合图像f.生成器由2个反卷积层(提高i的分辨率,并使i,v分辨率一样,进行通道相连作为编码器的输入),一个编码器网络(特征提取和融合,生成融合的featuremap)和一个对应的解码器网络(featuremap重构,融合图像f具有与可见图像相同的分辨率)组成,如下图所示。D: 使用2个鉴别器,是为了分别以v作为条件,去判断f;以i作为条原创 2021-09-26 16:10:45 · 3217 阅读 · 26 评论 -
实验室GPU操作记录210914
登录ssh登录,使用cmd输入yes:输入密码:(选做)查看:版本查看NVIDIA版本:查看GPU状态:拷贝conda本地环境至实验室Gpu:参考链接:conda环境迁移到其他机器上anaconda使用教程+直接环境拷贝移植所遇到的问题解决博文最后导出本地环境本地端操作,先是激活本地使用的环境。然后,导出conda安装的包记录。然后,导出pip安装的包记录。将导出环境传输给serverserver端部署环境(选做)查看:出现问题磁盘不足了偶然发现:p原创 2021-09-20 10:29:56 · 88 阅读 · 0 评论 -
Perceptual Imagefusion的有关解读
##代码解读重建部分缺少部分部分重建测试代码权值矩阵叠加,如果到与图像尺寸一样大的程度,是不是就可以不用分割图片了?不用分割,因为input未设置输入大小(与原文的区别),这样就可以对任意尺寸训练同一个卷积核weights.shape=(5, 5, 2, 256)bias.shape=(256,)conv1_ir.shape = (1, ?, ?, 256)weights.shape=(5, 5, 258, 128)bias.shape=(128,)conv2_add.sha原创 2021-09-16 11:17:07 · 335 阅读 · 0 评论 -
tf1.15 使用过程中的一些坑
版本tf1.X最高版,实测可用的解决方案是:pip install tensorflow-estimator==1.15.0参考链接原创 2021-07-25 11:38:43 · 1972 阅读 · 1 评论 -
tf1.15 gpu版使用中的一些心得(应用包等)
知识点:扩展数据维数img1 = tf.expand_dims(img1, 0)img1 = tf.expand_dims(img1, -1)tf1.x中,numpy与tensor的格式互换data = np.random.random([2,3])data_tensor = tf.convert_to_tensor(data) #numpy-tensorwith tf.Session() as sess: print("sess.run(tensor): {}".format(sess原创 2021-08-02 17:19:25 · 819 阅读 · 0 评论 -
FusionGAN解读2:跑起来
运行demo之后续补充运行CPU版,看各部分工作原理致命错误:为了使占用内存不至于过高,使用了batch_size的融合方法这是与源代码不同的地方但是,这也造成了生成图像成了小方块即:test的输入只能是完整图像这个理解错了,具体原因在XMind中分析在运行…merge函数中img[120X5,120X7]是总画布img[0:120,0:120,:] 放image[120,120,1]配置更改:epochs=2train_ir等的图片设置为1张训练结束,想要生成图像,原创 2021-09-14 09:00:51 · 1825 阅读 · 5 评论 -
FusionGAN零基础详细解读
文章目录总览概括捋一捋思路main函数中,先预定义了超参数,然后建立了模型CGAN(),紧接着进行了训练train()build_model分为好几步:train部分需要一些处理:廓清概念utils中代码的注解:1. scope.reuse_variables()2. 对W进行的操作3. L2范数:4.add_to_collection(名称,值)5. lrelu:把x<0的区域抬起来一些6. input_setup: np.lib.padmodel模块中的注解:1. tf.Variable()和t原创 2021-09-14 08:59:54 · 3115 阅读 · 7 评论