SY_qqq的博客

chumpy库+py39

1.如当label_map的范围是[0,19]one-hot的通道大小为torch.FloatTensor(bs,20,h,w)一般label_map经过transfrom后，通过totensor操作，压缩到了[0,1]的范围，然后要再执行两步label = label*255.0 （因为label不需要压缩到[0，1]， 还是要恢复到[0,19]label [label==255] = 20 这一步是排除一些图像中的不关系的像素，按道理来说label*255.0后不会得到255这...

概括： 对identity mesh 做pose transfer, 实际上是让提供目标pose的human mesh 学到identity的style。关键在于要让生成的mesh的点的顺序和identity mesh的一致而不是pose mesh。传统的做法是学习在同一个pose下，不同identity style之间的correspondence，利用correspondence 去算displacement。做法：这里用PointNet提取点的特征，把每个vertex当做一个poi..

这篇《SEAN: Image Synthesis with Semantic Region-Adaptive Normalization》是2020年CVPR的一篇oral,对它的代码做一个梳理。由于已经做过了关于SPADE的解析，这一篇主要是看看它在SPADE上有什么改进不同之处一： models/networks/generator.py def __init__(self, opt): super().__init__() self.opt = o.

《Guided Image-to-Image Translation with Bi-Directional Feature Transformation》train.py model.set_input(data) model.optimize_parameters()开始训练models/guided_pix2pix_model.py def set_input(self, input): self.real_A

train.py # Training # train generator if i % opt.D_steps_per_G == 0: trainer.run_generator_one_step(data_i)通过这一行代码开始训练。trainers/pix2pix_trainer.py def run_generator_one_step(self, data): self.optimize

在网上查了很久的资料都说是内存的问题，或者把num_work给调成0。但是对于我的问题没有得到解决这里提供另一个思路，可能是dataloader在读__get_item__的时候没有读正确，我的问题就是因为这个，没有读到正确的数据集，所以可以检查一下自己的数据集是不是读正确了...

RuntimeError: Trying to backward through the graph a second time, but the buffers have already been freed遇到过几次这个报错了，这几天把backward和autograd给看了几遍，终于摸着点门道首先要知道，为什么会报这个错，这个错翻译成白话文就是说：当我们第二次backward的时候，计算图的结构已经被破坏了（释放了），这也是pytorch动态图的机制，可以节省内存。这里不仔细讲解backw

发现是用了view之后导致的错误本来view之后的1x18x256x256 =1179648 ，但和196608不符合， view的形状可能有问题

今天在训练的时候发现加载模型的时候提示找不到num_batches_tracked，感到奇怪，因为之前已经成功训练过一次了怎么这次就报错了呢，后来发现，第一次训练的时候我用的是0.4.0的pytorch，这次用的是1.0的Pytorch，因为torch的版本不一样引起的问题KeyError: 'unexpected key "module.bn1.num_batches_tracked" in state_dict'得到类似这样的报错以下参考自这篇文章https://zhuanlan.zhi.

不要用import matplotlib as plt改成import matplotlib.pyplotas plt

<deep learning with pytorch>训练一个分类器问题：在show 训练集的图像的时候出现报错我的代码train.pyimport torchimport torchvisionimport torchvision.transforms as transforms#因为torchvision的数据集的输出格式是PIL图像，范围在[0,1...