codeman_cdb的专栏

准备认真学习AI，先不考虑技术转型吧，转型AI也并不容易，但至少要能理解AI主流技术和原理，毕竟目前来看是大势所趋，作为一个合格的程序员，应该养成主动学习了解新技术的习惯。和一个搞AI的同学聊天，他说非科班想转型AI可能会很难，因为感觉普通程序员普遍缺少用AI分析问题的思维。具体是啥思维同学也讲不太清楚，不过不管怎么样，AI还是要学习的。计划每天晚上抽出一点时间来看师妹推荐的CS230的课...

这节课的名称挺有意思，深度学习直觉。如名称所言，课程中没有介绍具体的深度学习算法，而是主要介绍如何利用深度学习去解决一个实际问题，从数据集、输入、输出、数据结构几个方面讲解了使用深度学习解决问题的思路。不管对于初学者，还是有经验的研发人员，我认为这个思路都是非常重要的。当然我现在也还是初学者，资深开发可能会有更深入的思考，也许还有其他看法。课程中列举了几个例子：分辨图片的白天和黑夜，识别图...

y：图片中有猫的概率X：图片的矩阵化表示b：偏置量问题：为什么通过训练，wx+b可以计算出图片中有猫的概率分析：X是图片的特征化向量表示，每一个维度代表图片的一个特征为了方便理解，我们简单假设：x1：眼睛特征x2：四肢特征x3：毛发特征x4：尾巴特征那么wx就可以理解为：w1*x1：眼睛是圆形的概率w2*x2：耳朵是三角形的概率w...

Talk is cheap, speak in code.# coding=utf-8import numpy as npfrom lr_utils import load_dataset# GRADED FUNCTION: sigmoiddef sigmoid(z): """ Compute the sigmoid of z Arguments: ...

BeautyGAN: Instance-level Facial Makeup Transfer with Deep Generative Adversarial NetworkBeautyGAN:基于深度生成对抗网络的实例级面部彩妆转移摘要：人脸彩妆转换的目的是在保留人脸特征的同时，将一个给定的参考彩妆人脸图像转换为另一个非彩妆人脸图像。这种实例级的传输问题比传统的域级传输任务...

最近学习BeautyGAN需要用到VGG16提取的feature map进行训练，简单学习了一些关于VGG16和feature map相关的内容。VGG16网络结构VGG16总共有16层，13个卷积层和3个全连接层，第一次经过64个卷积核的两次卷积，第二次经过两次128个卷积核卷积，第三次经过三层256卷积核卷积，第四次经过512个卷积核，每次卷积后进行一次pooling，最后经过三次全连...

这几天学习pytorch时发现torch.nn.Conv2d需要指定out_channels，对此感到疑惑。而tensorflow时只需要指定input和filter就行了，因为之前以为filter是二维的，对每一个feature map都会输出一个新的feature map，所以有out_channels = in_channels * filter_count，而pytorch中需要同时指定i...

前段时间在实现BeautyGAN时，生成器中公共的残差块部分使用两个共享参数的残差块分支实现，跟论文有所出入，应该是一个分支，将两个分支的输入feature map合并为1个张量即可，对张量的合并和拆分操作简单做一下笔记。Tensor的合并tf.concat(values, axis, name="concat")values：输入的张量axis：待合并的维度官方示例：...