qq_42011158的博客

1.安装2.基础两大法宝函数：dir()打开，看见help()说明书举例：查询torch.cuda.is_available的作用，显示官方的解释文档如何加载数据dataset 提供一种方式去获取数据及其label（1）如何获取每一个数据（2）一共有多少个数据dataloader为网络提供不同的数据形式训练集格式（1）训练集+验证集（2）训练集（images+labels.txt）+验证集（images+labels.txt）（3）label写在图片名上复制路径快捷键“ctrl+shi

神经网络人工神经网络多层感知机激活函数反向传播算法损失函数权值初始化正则化方法人工神经网络人工神经元：人工神经元是人工神经网络的基本单元。模拟生物神经元，人工神经元有1个或者多个输入（模拟多个树突或者多个神经元向该神经元传递神经冲动）；对输入进行加权求和（模拟细胞体将神经信号进行积累和树突强度不同）；对输入之和使用激活函数计算活性值（模拟细胞体产生兴奋或者抑制）；输出活性值并传递到下一个人工神经元（模拟生物神经元通过轴突将神经冲动输入到下一个神经元）。人工神经网络：大量的人工神经元以某种链接方式得来的

【论文04】《基于区域敏感生成对抗网络的自动上妆算法》-中文知网文献类型：期刊发表年限：2019年4月15日发表刊物：软件学报关键部分：解决妆容迁移问题，实现多领域的转换，不需要参考图片，仅需要指定一个类别就能生成妆容效果。数据集：亚洲妆容数据集+欧洲妆容数据集+人脸数据集celeb-A方法：比较方法：FID衡量真实数据和生成数据的分分布相似性 SSIM衡量图像之间的相似性存在问题：约束不需要改变区域的不变性不同于人脸表情需要对人脸整体特征同时进行编辑，上妆任务有局部编辑需求。

【论文01】Deep learning for face image synthesis and semanticmanipulations: a review and future perspectives人脸图像合成和语义处理的深度学习:综述和未来展望文献类型：综述发表年限：2020年4月脸的信息非常丰富，这意味着一个广泛的信息范围，包括身份、性别、情绪、年龄和种族，这些信息都可以通过看一张脸的图像被感知。计算机视觉领域的许多竞赛都特别关注与人脸相关的应用(如人脸识别、验证、检测等)，这表

【论文02】《GANimation: One-Shot Anatomically Consistent Facial Animation》《GANimation: 一次性解剖学一致的面部动画》文献类型：期刊发表年限：2019年8月关键部分：数据集：情绪网络数据集(Benitez-Quiroz等人，2016年)，20万张。针对问题：方法：研究方法：存在问题：StarGAN只能在由数据集的注释粒度定义的离散数量的属性中更改人脸的特定方面。也就是说只能合成数据集中的表情。产生原因：然而，这些

【论文03】《Real-time Facial Animation with Image-based Dynamic Avatars》《具有基于图像的动态化身的实时面部动画》文献类型：期刊发表年限：2016年7月关键部分：一种新颖的基于图像的动态3D头像表示，它允许有效地处理各种发型和头饰，并可以实时生成具有精细细节的表情面部动画。我们开发了一种算法，使用家里现成的网络摄像头，从一组稀疏捕获的用户图像中创建一个基于图像的头像。提出了一种优化方法来构建构造上一致的可变形模型，该模型近似于捕获图像中

1.安装anaconda/pycharm2.安装cuda，cudnn若已经安装好查找set cuda位置，进行验证3.安装pytorch和torch-vision在IDE里使用conda创建虚拟环境查看pytorch创建.py文件print(torch.__version__) #注意是双下划线Conda 是一个开源的软件包管理系统和环境管理系统pillow-python图像处理库...