<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Delay_coder的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Delay_coder</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Delay_coder]]></copyright><item><title><![CDATA[深度卷积对抗神经网络 进阶 第三部分 GANs Unpaired Translation with Cycle GAN 模型]]></title><link>https://blog.youkuaiyun.com/Delay_coder/article/details/129173786</link><guid>https://blog.youkuaiyun.com/Delay_coder/article/details/129173786</guid><author>Delay_coder</author><pubDate>Thu, 23 Feb 2023 05:10:43 +0800</pubDate><description><![CDATA[深度卷积对抗神经网络 进阶 第三部分 GANs Unpaired Translation with Cycle GAN 模型]]></description><category></category></item><item><title><![CDATA[深度卷积对抗神经网络 进阶 第二部分 GANs Pix2Pix PatchGAN 模型]]></title><link>https://blog.youkuaiyun.com/Delay_coder/article/details/129173035</link><guid>https://blog.youkuaiyun.com/Delay_coder/article/details/129173035</guid><author>Delay_coder</author><pubDate>Wed, 22 Feb 2023 23:59:30 +0800</pubDate><description><![CDATA[通过Pix2Pix Patch GANs可以实现图像的转化，而图像的转化会帮助艺术创作者创造更加有趣的艺术作品，这样可以解放艺术创作者的双手，让他们去做更加有意义和创作的事情，而不是用画笔绘画等等。其通过U-Net和PatchGANs分辨器来实现了图片数据的对应。这个模型可以做到非常真实的结果输出，但是其缺点也是显而易见，其需要标记好的图片对应来训练网络，而不能直接输入图片。这就使得其在某些研究领域的应用有一定的局限性。而CycleGANs便可以解决数据标注的问题。]]></description><category></category></item><item><title><![CDATA[深度卷积对抗神经网络 进阶 第一部分 GANs 在数据增强和隐私领域的应用 GANs for Data Augmentation and Privacy]]></title><link>https://blog.youkuaiyun.com/Delay_coder/article/details/129153436</link><guid>https://blog.youkuaiyun.com/Delay_coder/article/details/129153436</guid><author>Delay_coder</author><pubDate>Wed, 22 Feb 2023 03:21:43 +0800</pubDate><description><![CDATA[深度卷积对抗神经网络 进阶 第一部分 GANs 在数据增强和隐私领域的应用 GauGans]]></description><category></category></item><item><title><![CDATA[深度卷积对抗神经网络 基础 第七部分 StyleGAN]]></title><link>https://blog.youkuaiyun.com/Delay_coder/article/details/128826068</link><guid>https://blog.youkuaiyun.com/Delay_coder/article/details/128826068</guid><author>Delay_coder</author><pubDate>Wed, 01 Feb 2023 06:58:28 +0800</pubDate><description><![CDATA[深度卷积神经网络模型已经应用在非常多的领域，但是其总包含了很多潜在的问题，比如说训练速度过慢，生成器与判别器的进化程度不平衡等等。那么，随着各种方法和算法的普及和进化，其解决的方法也越来越多，那么styleGAN就是其中的一个非常有趣的模型，

2018 年 12 月，Nvidia 研究人员分发了一份预印本以及介绍 StyleGAN 的配套软件，这是一种用于生成无限数量（通常令人信服）的假人脸肖像的 GAN 。StyleGAN 能够在 Nvidia 的商用 GPU 处理器上运行。]]></description><category></category></item><item><title><![CDATA[深度卷积对抗神经网络 基础 第六部分 缺点和偏见 GANs Disadvantages and Bias]]></title><link>https://blog.youkuaiyun.com/Delay_coder/article/details/128811117</link><guid>https://blog.youkuaiyun.com/Delay_coder/article/details/128811117</guid><author>Delay_coder</author><pubDate>Tue, 31 Jan 2023 06:59:51 +0800</pubDate><description><![CDATA[深度卷积对抗神经网络 基础 第六部分 缺点和偏见 GANs Disadvantages and Bias]]></description><category></category></item><item><title><![CDATA[深度卷积对抗神经网络 基础 第五部分 Inception-v3 architecture GANs]]></title><link>https://blog.youkuaiyun.com/Delay_coder/article/details/128811097</link><guid>https://blog.youkuaiyun.com/Delay_coder/article/details/128811097</guid><author>Delay_coder</author><pubDate>Tue, 31 Jan 2023 06:33:12 +0800</pubDate><description><![CDATA[深度卷积对抗神经网络 基础 第五部分 Inception-v3 architecture GANs]]></description><category></category></item><item><title><![CDATA[深度卷积对抗神经网络 基础 第四部分 可控制的GANs(Controllable GANs）]]></title><link>https://blog.youkuaiyun.com/Delay_coder/article/details/128763790</link><guid>https://blog.youkuaiyun.com/Delay_coder/article/details/128763790</guid><author>Delay_coder</author><pubDate>Thu, 26 Jan 2023 02:38:35 +0800</pubDate><description><![CDATA[深度卷积对抗神经网络 基础 第三部分 可控制的GANs(Controllable GANs）]]></description><category></category></item><item><title><![CDATA[深度卷积对抗神经网络 基础 第三部分 (WGAN-GP）]]></title><link>https://blog.youkuaiyun.com/Delay_coder/article/details/128755122</link><guid>https://blog.youkuaiyun.com/Delay_coder/article/details/128755122</guid><author>Delay_coder</author><pubDate>Tue, 24 Jan 2023 06:38:37 +0800</pubDate><description><![CDATA[比如说，**模式奔溃**，指的是生成器的学习效率远高于辨别器的时候，那么学习一段时间过后，辨别器便无法再继续提供有用的损失信息，以至于生成器无法得到参考而塌陷到一个局部最小点中去。而**梯度消失**指的是当损失趋于无限大或者无限小时，损失函数的值变化基本可以视为忽略，那么梯度就会消失，进而停止学习或者学习效率基本为零。]]></description><category></category></item><item><title><![CDATA[非常好用，绝对未来黑马的 Python 开源测试框架 PySimpleTest]]></title><link>https://blog.youkuaiyun.com/Delay_coder/article/details/128739483</link><guid>https://blog.youkuaiyun.com/Delay_coder/article/details/128739483</guid><author>Delay_coder</author><pubDate>Fri, 20 Jan 2023 05:01:47 +0800</pubDate><description><![CDATA[PySimpleTest 是一个非常简洁开源的python代码测试框架，作者是 https://github.com/Time-Coder?tab=stars]]></description><category></category></item><item><title><![CDATA[深度卷积对抗神经网络 基础 第二部分 DC-GANs]]></title><link>https://blog.youkuaiyun.com/Delay_coder/article/details/128739474</link><guid>https://blog.youkuaiyun.com/Delay_coder/article/details/128739474</guid><author>Delay_coder</author><pubDate>Fri, 20 Jan 2023 04:10:07 +0800</pubDate><description><![CDATA[DC-GANs （DC-GANs Deep convolutional GAN）是基于GANs的一种专门对图片生成的一种模型，其通过卷积操作来进行图片的一些基本操作来实现模型的功能。]]></description><category></category></item><item><title><![CDATA[Generative Adversarial Network (GANs) 对抗神经网络 基础 第一部分]]></title><link>https://blog.youkuaiyun.com/Delay_coder/article/details/128739193</link><guid>https://blog.youkuaiyun.com/Delay_coder/article/details/128739193</guid><author>Delay_coder</author><pubDate>Fri, 20 Jan 2023 00:20:42 +0800</pubDate><description><![CDATA[对抗神经网络模型主要就是通过判别器和生成器来进行攻击和战斗，这样就会使得两个模型越来越强大，最后达到一个同时进化的目的。具体的逻辑是：​生成器根据噪声生成结果，判别器来辨别其真假，互相对抗，互相。]]></description><category></category></item><item><title><![CDATA[主成分分析 - 示例代码]]></title><link>https://blog.youkuaiyun.com/Delay_coder/article/details/128623595</link><guid>https://blog.youkuaiyun.com/Delay_coder/article/details/128623595</guid><author>Delay_coder</author><pubDate>Tue, 10 Jan 2023 05:26:08 +0800</pubDate><description><![CDATA[主成分分析就是通过对研究对象的所有维特征进行分析，并找出能够表现出数据特征的最主要的特征，并对特征进行降维度。其原理是对特征的协方差矩阵进行研究。协方差矩阵可以类比一维的协方差来理解，方差的值对应矩阵中的这一维的特征值。因此找出最大的协方差，就说明这两个维度的差别越大，也就说明其携带的信息就更多。具体的解释可以如下图所示：以上数据点有两个主要的特征，紫色和粉色，这两个特征明显可以表现出样本的大部分分布趋势，那么我们就通过对这两个方向进行投影的方式来将空间投影到最有用的两个特征上来进行分析。]]></description><category></category></item><item><title><![CDATA[自然语言处理 概览理解 NLP specialization - Supervised ML]]></title><link>https://blog.youkuaiyun.com/Delay_coder/article/details/128623414</link><guid>https://blog.youkuaiyun.com/Delay_coder/article/details/128623414</guid><author>Delay_coder</author><pubDate>Tue, 10 Jan 2023 01:27:28 +0800</pubDate><description><![CDATA[自然语言处理可以实现语义识别，情感识别，文本翻译等等功能，当然最近情况下最火的便是ChatGBT的人工智能对话机器人。本人正在硕博的过渡期，深知新技术，新技能对于个人发展或者人类进步的重要性，象牙塔里的学习经历总不是非常的前沿和及时。因此在过渡期的三四个月内，我决定尝试去接触这些新技术和新技能，来充实自己，并开始认识人工智能的发展前景以及状况。总体来说，自然语言识别包含一下几步：文本转换，模型构建，算法训练，测试验证。]]></description><category></category></item><item><title><![CDATA[Django Field name `` is not valid for model 解决方案]]></title><link>https://blog.youkuaiyun.com/Delay_coder/article/details/120123669</link><guid>https://blog.youkuaiyun.com/Delay_coder/article/details/120123669</guid><author>Delay_coder</author><pubDate>Sun, 05 Sep 2021 23:32:21 +0800</pubDate><description><![CDATA[Django  Field name `` is not valid for model 解决方案
当使用 rest-framework的时候， 我在创建完成 serializer后，指定了对应的metadata时候，当通过ModelViewSet 来创建 对应的API时，出现问题： Django  Field name content_html is not valid for model。 代码如下：
对于 serializer
class PostSerializer(serializers.Mode]]></description><category></category></item><item><title><![CDATA[ImportError: cannot import name ‘SKIP_ADMIN_LOG‘ from ‘import_export.admin‘]]></title><link>https://blog.youkuaiyun.com/Delay_coder/article/details/119885330</link><guid>https://blog.youkuaiyun.com/Delay_coder/article/details/119885330</guid><author>Delay_coder</author><pubDate>Tue, 24 Aug 2021 10:58:21 +0800</pubDate><description><![CDATA[ImportError: cannot import name ‘SKIP_ADMIN_LOG’ from ‘import_export.admin’
**转载自： https://coding.m.imooc.com/questiondetail?cid=131&amp;qid=237010
亲测有效**
Django2.2.24
python3.8.x
在使用xadmin报错，xadmin复制老师的。
报错信息：
…
File “D:\AceMyProject\mxshop\mxshop\libs\xa]]></description><category></category></item><item><title><![CDATA[Android twrp+adb 完美免费救砖 安装系统教程 亲测有效]]></title><link>https://blog.youkuaiyun.com/Delay_coder/article/details/119714461</link><guid>https://blog.youkuaiyun.com/Delay_coder/article/details/119714461</guid><author>Delay_coder</author><pubDate>Sun, 15 Aug 2021 16:52:59 +0800</pubDate><description><![CDATA[刷机准备
主要是根据这个教程来在手机中启动twrp来进行书籍： https://www.bilibili.com/video/BV1H54y1B7MA?from=search&amp;seid=3151017981277325678


卡刷第三方包，在各种网站中下载。推荐一个 https://m.romzhijia.net/


去twrp.me中下载手机型号对应的twrp.img。


去adbdownload.info中下载adb。


手机打开USB调试，长摁电源键+音量下键进入刷机模式，判断win]]></description><category></category></item><item><title><![CDATA[Linux系统安装Python3环境 补充教程]]></title><link>https://blog.youkuaiyun.com/Delay_coder/article/details/118861201</link><guid>https://blog.youkuaiyun.com/Delay_coder/article/details/118861201</guid><author>Delay_coder</author><pubDate>Sat, 17 Jul 2021 19:09:15 +0800</pubDate><description><![CDATA[链接
https://blog.youkuaiyun.com/L_15156024189/article/details/84831045
补充内容
在安装过程中出现
fatal error: ffi.h: No such file or directory问题
解决方案：
yum -y install libffi-devel
亲测可解决

]]></description><category></category></item><item><title><![CDATA[HTML+JS 特效- 浮动气泡]]></title><link>https://blog.youkuaiyun.com/Delay_coder/article/details/112967532</link><guid>https://blog.youkuaiyun.com/Delay_coder/article/details/112967532</guid><author>Delay_coder</author><pubDate>Thu, 21 Jan 2021 17:21:58 +0800</pubDate><description><![CDATA[浮动气泡 特效
实现代码
在HTML中添加canvas的条目，然后将下面的JS代码copy到下面。两个定时器分别实现更新canvas和更新气泡大小位置等等。
window.onload = function(){
            var oc = document.querySelector("canvas");
            if (oc.getContext){
                var ctx = oc.getContext("2d");
               ]]></description><category></category></item><item><title><![CDATA[TensorFlow module ‘tensorflow‘ has no attribute ‘Session‘ 问题解决]]></title><link>https://blog.youkuaiyun.com/Delay_coder/article/details/110537849</link><guid>https://blog.youkuaiyun.com/Delay_coder/article/details/110537849</guid><author>Delay_coder</author><pubDate>Thu, 03 Dec 2020 16:20:17 +0800</pubDate><description><![CDATA[问题描述
在初次尝试tensorflow 的时候遇到类似下面的问题：
module ‘tensorflow’ has no attribute ‘placeholder’
module ‘tensorflow’ has no attribute 'Session’
问题解决
导致该问题的原因是：
tensorflow的 V1 版本和V2版本不能直接兼容，需要在其前置中加入些代码设置环境：
import tensorflow.compat.v1 as tf

这个时候，如果你使用了placeholder的话，]]></description><category></category></item><item><title><![CDATA[VBA 指定某列相同的内容合并，对应的其它列内容相加]]></title><link>https://blog.youkuaiyun.com/Delay_coder/article/details/110124980</link><guid>https://blog.youkuaiyun.com/Delay_coder/article/details/110124980</guid><author>Delay_coder</author><pubDate>Wed, 25 Nov 2020 13:52:03 +0800</pubDate><description><![CDATA[合并需求
假如某一列包含多种重复单元，但是重复的单元对应的其它列却不相同，需求便是指定某一列，寻找其中相同的元素，对两行元素进行合并。如下图所示的源数据，

可以看到，该Excel表格的A列有很多重复项，对他们进行合并，其它列直接连接起来，效果如下图所示。

解决方案
在这里提供一个可设定的解决方案，也是一个SUB子程序。源代码如下。
Sub mergeCategoryValues()
    Dim lngRow As Long

    With ActiveSheet
        Dim colu]]></description><category></category></item></channel></rss>