慢行厚积

摘要： 使用tertools.chain将参数链接起来即可 阅读全文

摘要： 1.一层修饰符 1）简单版，编译即实现 在一个函数上面添加修饰符 @另一个函数名 的作用是将这个修饰符下面的函数作为该修饰符函数的参数传入，作用可以有比如你想要在函数前面添加记录时间的代码，这样每个函数调用时就能够知道是什么时候调用的，但是你不想手动地去给每个函数添加，那么就能够使用该修饰符实现这样 阅读全文

摘要： 参考：https://pytorch.org/docs/stable/nn.html Containers Module 所有神经网络模块的基类 你定义的模型必须是该类的子类，即继承与该类 模块也能包含其他模块，允许它们在树状结构中筑巢。您可以将子模块指定为常规属性: 在这个例子中，nn.Conv2 阅读全文

摘要： interpolate 根据给定的size或scale_factor参数来对输入进行下/上采样 使用的插值算法取决于参数mode的设置 支持目前的temporal(1D, 如向量数据), spatial(2D, 如jpg、png等图像数据)和volumetric(3D, 如点云数据)类型的采样数据作 阅读全文

摘要： 上采样（upsampling）一般包括2种方式： Resize，如双线性插值直接缩放，类似于图像缩放，概念可见最邻近插值算法和双线性插值算法——图像缩放 Deconvolution，也叫Transposed Convolution，可见逆卷积的详细解释ConvTranspose2d（fraction 阅读全文

摘要： Vision layers 1）Upsample 上采样一个给定的多通道的 1D (temporal,如向量数据), 2D (spatial，如jpg、png等图像数据) or 3D (volumetric，如点云数据)数据 假设输入数据的格式为minibatch x channels x [opt 阅读全文

摘要： 1.数据处理代码utils.py: 1） 2） 后面发现torchvision.utils有一个make_grid()函数能够直接实现将（batchsize，channels，height，width）格式的tensor图像数据合并成一张图。 同时其也有一个save_img(tensor, file 阅读全文

摘要： 1.使用apply() 举例说明： Encoder ：设计的编码其模型 weights_init(): 用来初始化模型 model.apply():实现初始化 返回： 2.直接在定义网络时定义 然后调用即可 阅读全文

摘要： 通过对抗训练实现半监督的异常检测 Abstract Abstract Abstract Abstract Abstract 异常检测在计算机视觉中是一个经典的问题，即从异常中确定正常，但是由于其他类（即异常类）的样本数量不足，所以数据集主要基于一个类（即正常类）。虽然该问题能够当成一个监督学习问题来 阅读全文

摘要： 在python2.7环境下 文件下载位置：https://data.vision.ee.ethz.ch/cvl/rrothe/imdb-wiki/ 1.可视化模型文件prototxt 1）在线可视化 网址为：https://ethereon.github.io/netscope/#/editor 将 阅读全文