安智伟

摘要： 训练使用的是天池的GPU，没有用到tensorBroadX，用的是静态的plt显示Loss。 我通过实验证明了同样的网络使用WGAN-GP的网络架构对比没有使用WGAN-GP的网络架构会有更加不容易模型崩溃（model collapse）。 下面是代码，使用的数据集CIFAR10。 utils.py 阅读全文

摘要： 模型用的是苹果转橘子的数据集。但可能是由于模型太大且图片数量不足（1000张左右）。因此，有些图片transform不是很好。 模型是挂在天池上面跑的。还需要导入until.py文件，我放在文末了。 import glob import random import os import torch f 阅读全文

摘要： RuntimeError: The size of tensor a (40) must match the size of tensor b (41) at non-singleton dimension 3 此类还是维度问题，建议尝试解决方案： 把最后一轮训练跳过就好了 阅读全文

摘要： DCGAN首次将深度卷积神经网络CNN与生成对抗网络GAN，从而用在无监督学习领域，下面是代码部分。 # 导入常用包 from __future__ import print_function #%matplotlib inline import argparse import os import 阅读全文

摘要： 我写的CGAN（Conditional GAN）代码是在DCGAN（Deep Convolution Generative Adversarial Networks）的基础上形成的，DCGAN的优点在于使用了卷积，比全连接层训练时更少的使用数据。因为看了几份CGAN的代码，有的train的时候再Ge 阅读全文

摘要： 本次迁移学习训练的是865种鱼的分类，使用的是WildFish数据集: 百度云盘链接：https://pan.baidu.com/s/1_kHg87LghgWT9_mVawGdYQ 提取码：a9pl 导入一些包： import torch import torch.nn as nn import t 阅读全文

摘要： 版本：Pytorch 1.0 代码是在jupter中执行的。 导包： import torch import torch.nn as nn import torch.nn.functional as F import torch.optim as optim from torchvision imp 阅读全文

摘要： 使用VGG16网络 完成迁移学习案例 from keras.applications.vgg16 import VGG16 from keras.models import Sequential from keras.layers import Conv2D, MaxPooling2D, Activ 阅读全文

摘要： 使用Keras做线性拟合 import keras import numpy as np import matplotlib.pyplot as plt from keras.models import Sequential from keras.layers import Dense # 使用nu 阅读全文

摘要： 定义常量 import tensorflow as tf # 定义常量 m1 = tf.constant([[3, 3]]) m2 = tf.constant([[2], [3]]) # 定义乘法 product = tf.matmul(m1, m2) # 这里不会直接输出结果，会打印出一个tens 阅读全文