- 博客(74)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 风格转换模型style_transformer项目实例 pytorch实现
有没有想过，利用机器学习来画画，今天，我将手把手带大家进入深度学习模型neural style的代码实战当中。neural-style模型是一个风格迁移的模型，是GitHub上一个超棒的项目，那么什么是风格迁移，我们来举一个简单的例子：这个项目的理论指导来自论文:Perceptual Losses for Real-Time Style Transfer and Super-Resolution相关神经网络架构： 本论文相关的前馈神经网络架构是基于“Deep residual learning for
2022-07-11 21:27:23
1517
原创 ubuntu安装VCode
在ubuntu中安装VSCode我用最简单的方法，直接用snap安装：然后, Visual Studio Code 已经在 Ubuntu 机器上安装好了，可以开始使用，打开软件中心搜索“Visual Studio Code”，即可打开VSCode。如果还需要实现在终端打开VSCode的话，也很简单，如果直接输入那就会出现如下错误：问题分析就是上面的提示：没有将添加到环境变量中。因为我环境变量中有，所以我直接一个软连接就可以了：ok，此时再试一下：优快云这都发不了吗？...
2022-06-21 11:41:04
896
1
原创 SCP 提示 Permission denied, please try again.解决方法
两台主机均安装ssh工具，并且已经修改文件中为。并且ssh可以访问终端，但是scp传送文件时提示在执行类似于（log 是文件夹）命令仍需要输入三次密码，并且每次都是提示，最后连接失败。字面意思就是权限不够，此时我们就需要更改权限：然后再重新执行语句就可以了。https://blog.youkuaiyun.com/u012318074/article/details/74360416...
2022-06-17 00:27:42
45467
原创 图第四课时作业
一、邻接表（Adjacency List），即_______与________相结合的存储方法。 数组、链表二、邻接表的处理方法：1、图中顶点用一个_______存储，另外，对于顶点数组中，每个数据元素还需要存储指向第一个邻接点的指针，以便于查找该顶点的______信息。 一维数组、边2、图中每个顶点vi的所有邻接点构成一个_______，由于邻接点的个数不定，所以用_______，无向图称为顶点vi的边表，有向图称为顶点vi作为弧尾的出边表。线性表、单链表存储3、对于带权值的网图，可以在边表结
2022-05-14 13:38:10
346
原创 图第三课时作业
一、在一个无向图 G 中，若从顶点i到顶点j有路径相连（当然从j到i也一定有路径），则称i和j是连通的，图G是一个_______。 若G是______，则称其为强连通图。二、 一个无向图 G=(V,E) 是连通的，那么边的数目大于等于顶点的数目减一：|E|>=|V|-1，而反之不成立。如果 G=(V,E) 是有向图，那么它是强连通图的必要条件是_________，而反之不成立。三、无向图 G的一个极大连通子图称为 G的一个______。连通图只有____个连通分量；非连通的无向图有____个连通
2022-05-03 11:31:24
379
原创 图第二课时作业
一、用一个____维数组存放图中所有顶点数据；用一个____维数组存放顶点间关系（边或弧）的数据，这个二维数组称为邻接矩阵。二、边有方向的图称为_______。以点v为始点的边的条数称为点v的_____，一个自环算一度;以点v为终点的边的条数称为点v的_______，一个自环算一度。有向图中出度，入度，以及弧之间的数量关系：____________。三、在一个具有n个顶点的有向图中，若所有顶点的出度数之和为s，则所有顶点的度数之和为( )。 A、s B、s-1 C、s+1 D、2s四、在
2022-04-30 12:04:03
397
原创 香甜的黄油
香甜的黄油题目描述农夫John发现做出全威斯康辛州最甜的黄油的方法：糖。把糖放在一片牧场上，他知道N（1≤N≤500）只奶牛会过来舔它，这样就能做出能卖好价钱的超甜黄油。当然，他将付出额外的费用在奶牛上。农夫John很狡猾。像以前的巴甫洛夫，他知道他可以训练这些奶牛，让它们在听到铃声时去一个特定的牧场。他打算将糖放在那里然后下午发出铃声，以至他可以在晚上挤奶。农夫John知道每只奶牛都在各自喜欢的牧场（一个牧场不一定只有一头牛）。给出各头牛在的牧场和牧场间的路线，找出使所有牛到达的路程和最
2022-04-26 23:26:01
667
原创 Attention机制
attention机制最早运用于自然语言处理（NLP);SE-net模型是在通道上加入注意力机制：第一个操作:Squeeze(Fsq)，通过全局池化(global pooling)，将每个通道的二维特征（H x W）压缩为1个实数，论文是通过平均值池化的方式实现。这属于空间维度的一种特征压缩，因为这个实数是根据二维特征所有值算出来的，所以在某种程度上具有全局的感受野，通道数保持不变，所以通过squeeze操作后变为1x1xC。第二个操作：excitation(Fex)，通过参数来为每个
2022-04-23 14:58:29
3204
原创 图第一课时作业
1. 一个有n个顶点的无向图最多有（）条边。A、n B、n*(n-1) C、n*(n-1)/2 D、n*(n-1)/32. 图是由___集合和___集合组成。3. 如果图中任意两顶点之间的边都是无向边，则称该图为_________。4.代码补充：/* G2有向图的表示 */ /*Graph:0 0 1 0 11 0 1 0 00 0 0 1 00 0 0 0 10 0 0 1 0*/#include <stdio.h>int main(){
2022-04-22 18:01:49
558
原创 贪心算法（Greedy Algorithm)
贪心算法思想贪心算法，是寻找最优解问题的常用方法，这种方法模式一般将求解过程分成若干个步骤，但每个步骤都应用贪心原则，选取当前状态下最好/最优的选择（局部最有利的选择），并以此希望最后堆叠出的结果也是最好/最优的解。{看着这个名字，贪心，贪婪这两字的内在含义最为关键。这就好像一个贪婪的人，他事事都想要眼前看到最好的那个，看不到长远的东西，也不为最终的结果和将来着想，贪图眼前局部的利益最大化，有点走一步看一步的感觉。}贪心算法的基本步骤：步骤1：从某个初始解出发步骤2：采用迭代的过程，当可以向目标前进
2022-04-18 20:05:48
1262
转载 NOIP算法题知识点汇总
NOIP知识点汇总加*号是选学，加粗为重点，重要值排序不分先后基础算法贪心、枚举、分治、二分、倍增、*构造、高精、模拟图论图最短路（dijkstra、spfa、floyd），差分约束最小生树（kruskal、prim）并查集（扩展域）拓扑排序二分图染色，*二分图匹配tarjan找scc、桥、割点、缩点*分数规划树树上倍增（LCA）树的直径、树的重点dfs序*树链剖分数论gcd、lcm埃氏筛法exgcd，求解同余方程、逆元快速幂*组合数
2022-04-17 00:14:36
409
原创 python使用shutil copyfile 复制文件
shutil - 高级文件操作该shutil模块对文件和文件集合提供了许多高级操作。特别是，提供了支持文件复制和删除的功能。文件复制到其他文件夹操作shutil.copyfile(src, dst):将名为src的文件的内容复制到名为dst的文件中。dst必须是完整的目标文件名。note:所谓完整目标文件名包含了两层含义1、dst必须含有你复制过去的文件路径，创建路径时需要检查文件夹是否存在。2、dst中必须包含你想要创建的文件名。简单来说，它其实是将源数据复制到在目标文件夹的文件中！，所有如
2022-04-14 14:06:25
4052
原创 Python hasattr() 、getattr() 、setattr() 函数
hasattr() 函数描述**hasattr()**函数用于判断对象是否包含对应的属性。语法hasattr(object, name)参数object——对象name——属性名。返回值如果对象有该属性返回 True，否则返回 False。实例#!/usr/bin/python# -*- coding: UTF-8 -*- class Coordinate: x = 10 y = -5 z = 0 point1 = Coordinate() p
2022-04-12 21:14:06
718
原创 Python OpenCV cv2.line()用法及代码示例
OpenCV-Python是旨在解决计算机视觉问题的Python绑定库。cv2.line()方法用于在任何图像上绘制一条线。用法：cv2.line(image, start_point, end_point, color, thickness)参数：image: 图像start_point：它是线的起始坐标。坐标表示为两个值的元组，即(X坐标值，Y坐标值)。end_point: 它是线的起始坐标。坐标表示为两个值的元组，即(X坐标值，Y坐标值)。color: 它是要绘制的线条的颜色。对于
2022-04-11 21:42:05
17753
1
原创 CondConv: Conditionally Parameterized Convolutions for Efficient Inference论文解读
CondConv: Conditionally Parameterized Convolutions for Efficient Inference(CVPR2020)paper:https://link.zhihu.com/?target=https%3A//arxiv.org/abs/1904.04971code:https://link.zhihu.com/?target=https%3A//github.com/tensorflow/tpu/tree/master/models/official
2022-04-08 20:24:27
440
原创 Dynamic Region-Aware Convolution论文解读
DRConv(CVPR 2021)本文提出了一种动态区域感知卷积Dynamic Region-Aware Convolution(DRconv)算法。它可以自动地将多个卷积分配给特征表示相似的空间区域，在local动态卷积的基础上引入了空间维度的分组。在提升性能的同时，还维持了一定的空间不变性。引言当前主流的标准卷积是在空间域上进行滤波器共享实现的(即同一个卷积通道)，因此想要提取更丰富的信息只能通过增加通道层数实现。local convolution，卷积核在空间维度不共享，每个像素进行单独的处
2022-04-07 22:21:21
3414
原创 边保滤波器
边缘保护滤波器今天实现了将实物图转化成素描：import cv2import numpy as np def dodgeNaive(image, mask): # determine the shape of the input image width, height = image.shape[:2] # prepare output argument with same size as image blend = np.zeros((width, hei
2022-03-31 19:09:24
526
原创 Learning Pyramid-Context Encoder Network for High-Quality Image Inpainting论文理解
PEN-Net（2019年）论文代码：https://github.com/researchmm/PEN-Net-for-Inpainting
2022-03-30 15:40:55
4617
原创 Resolution-robust Large Mask Inpainting with Fourier Convolutions 解读
现代的图像补全系统尽管取得了重大进展，但经常与大的缺失区域，复杂的几何结构和高分辨率的图像数据作斗争。我们发现，其中一个主要的原因是其补全网络和损失函数中都缺乏一个有效的感受野。为了缓解这一问题，我们提出了一种新的方法——large mask inpainting（LaMa）。LaMa是1）基于一种使用快速傅里叶卷积的全新的补全网络框架，其有着覆盖整张图像范围的感受野；2）一个高感受野的感知损失；3）大的训练掩膜，它可以彰显前两个特点的优越性。解决图像补全问题的方法——现实地填充缺失的部分——既需要“.
2022-03-03 20:54:05
3824
原创 SPG-Net: Segmentation Prediction and Guidance Network for Image Inpainting解读
这篇文章专注于图像补全任务，目的是补全给定上下文信息的不完整图像的缺失区域。深度生成模型的最新发展为图像合成和图像修复任务提供一个高效的端到端框架，但现有的基于生成模型的方法并没有利用分割信息来约束补全目标的形状，这通常会导致补全结果的边界模糊的情况。为了解决这一问题，我们提出引入语义分割信息，以分离图像嵌入过程中的类间差异和类内变化。这导致了语义不同区域之间更清晰的恢复边界，以及语义一致的段内更好的纹理。我们的模型将图像分割过程分解为分割预测(SP-NET)和分割引导(SG-NET)两个步骤，首先对缺失区
2022-02-28 16:41:30
2276
原创 Large Scale Image Completion via Co-Modulated Generative Adversarial Networks解读
题目：Large Scale Image Completion via Co-Modulated Generative Adversarial Networks（通过协同调制生成对抗网络进行大规模图像填充）这篇论文主要针对大部分补全网络对于具有大面积掩码的图像的补全存在一定的局限性。提出自己的论点：作者认为，要克服这一问题，关键是协调有条件的图片生成框架和无条件的图片生成网络框架间的差异。...
2022-02-26 16:01:22
3460
原创 Recurrent Feature Reasoning for Image Inpainting解读
掩码首先映射到卷积特征空间，并由共享特征推理反复进行处理。在特征完全恢复后，生成的特征图被合并在一起（上述省略了图），合并后的特征被转换回一个RGB图像。区域识别处理和特征推理模块连续进行。经过几次推理后，将特征映射以自适应的方式合并，并生成固定通道数的输出特征映射。该模块是即插即用的，可以防止在现有网络的任意一层。反复特征推理模块（Recurrent Feature Reasoning Module）可以划分为三部分：区域识别模块：用于识别在递归中需要推断的区域；特征推理模块：用于推断所识.
2022-02-20 17:34:31
2630
2
原创 window 10 VScode 配置C++环境
给Window 10安装C++编译环境，安装：下载地址：https://osdn.net/projects/mingw/downloads/68260/mingw-get-setup.exe/点开自动下载。一直next知道这个界面：如上选择后选择左上角 installation-> Apply Changes。环境配置：查看结果：...
2022-02-20 15:41:16
740
原创 ubuntu 20.04遇到一直处于系统文件监测界面问题
我遇到这个问题主要是因为我执行了：sudo apt-get install lightdm这是一个显示管理器然后我选择了lightdm导致重启后界面一直显示不出来。我的解决方法登陆的时候选择ubuntu高级设置，也就是第二个选项然后经如第二个系统即(recovery mode)，然后选择root用户。在root用户下重新设置显示器：dpkg-reconfigure gdm3即可，然后输入：cat /etc/X11/default-display-manager查看显示器，此时会返回
2022-01-13 22:07:49
2692
原创 Pytorch C++扩展实现简单的线性操作
Pytorch中的C++扩展在正式开始前，我们需要了解 PyTorch 如何自定义module。这其中，最常见的就是在 python 中继承torch.nn.Module，用 PyTorch 中已有的 operator 来组装成自己的模块。这种方式实现简单，但是，计算效率却未必最佳，另外，如果我们想实现的功能过于复杂，可能 PyTorch 中那些已有的函数也没法满足我们的要求。这时，用 C、C++、CUDA 来扩展 PyTorch 的模块就是最佳的选择了。由于目前市面上大部分深度学习系统（TensorF
2021-12-17 00:05:03
322
原创 CUDA+PyTorch+Python间的关系
1.检查torch 和 torchvision , python 版本：2.检查CUDA 和PyTorch间的关系：3.检查cudnn和cuda间的关系：4.CUDA和NVIDIA显卡驱动关系：5.检查cuda版本与其支持的算力匹配：这个可能需要亲测，具体的代码如下：import torchtorch.cuda.get_arch_list()...
2021-11-26 14:45:51
3289
原创 pytorch多GPU并行训练网络模型
训练网络模型无非分为几步：加载数据集;初始化网络模型;初始化优化函数和定义学习率;初始化模型参数;保存模型参数;我们采用多卡并行训练网络模型时，要注意第一点就是加载数据的batch_size = 原先batch_size * GPU个数，且batch_size不能小于GPU的个数。首先要检测我们的服务器有几张显卡：USE_MULTI_GPU = True# 检测机器是否有多张显卡if USE_MULTI_GPU and torch.cuda.device_count() >
2021-11-21 21:54:47
1108
1
原创 torch.nn.modules.module.ModuleAttributeError: ‘DataParallel‘ object has no attribute ‘step‘
错误位置定点：解决方法：
2021-11-19 15:07:21
3262
原创 常用的conda指令
引用自：https://blog.youkuaiyun.com/qq_29225913/article/details/105347317
2021-11-18 09:42:21
227
原创 pip安装各种库采用清华镜像
pip install xxx -i https://pypi.tuna.tsinghua.edu.cn/simple反正特别快！！！
2021-10-31 21:12:00
179
原创 Windows系统下安装Graphviz
我在Windows下安装Graphviz主要是用来可视化网络模型结构。在Windows中直接利用pip是无法进行安装的，可能会出现如下报错信息。graphviz.backend.ExecutableNotFound: failed to execute ['dot', '-Tpng', '-O', 'test.gv'],make sure the Graphviz executables are on your systems' PATH解决方法：在官网上下载Graphviz：https://gr
2021-10-31 21:07:03
1336
原创 RuntimeError: Given groups=1, weight of size 64 7 7 7, expected input[1, 9, 262, 262] to have 7。。。
RuntimeError: Given groups=1, weight of size 64 7 7 7, expected input[1, 9, 262, 262] to have 7 channels, but got 9 channels instead在用自己生成的mask图片来测试stuctureFlow代码的时候，我们出现了上诉的报错。这是因为输入的mask图片是3通道的RGB图，而程序需要的是1通道的灰度图，所以出现了这样的错误。所以我们需要把“RGB”转成“L”。from PIL
2021-10-16 01:17:03
2388
原创 Ubuntu 20.04安装fcitx中文输入法（五笔拼音）并解决VScode无法输入中文的问题
一、安装输入法安装fcitx和fcitx-table-wbpy(五笔拼音)sudo apt install fcitx fcitx-table-wbpy设置fcitx为默认输入法这个需要先点击window键然后在搜索栏查找语言支持项：然后就可以按步骤设置了：重启就可了：看见没， 倒数第二个。二、重新安装VScode原因是，Ubuntu19.1向导安装的VSCode是snap的削减版本，不支持中文。解决方式是：卸载后重新安装官方版本。这部分是参考https
2021-10-12 01:07:16
4286
原创 重装ubuntu 20.04.1系统完成后遇到黑屏怎么办？
重装ubuntu 20.04.1系统完成后遇到黑屏这种情况一般是因为显卡驱动没有安装，好办，只需要ctrl + alt + f2跳转到tty2界面。输入用户名和密码进入命令行界面。然后输入属下指令：$ sudo apt-get install gcc g++ make //有的话执行这个没关系，安全起见下载好依赖的包，一般系统会有的。$ sudo ubuntu-drivers autoinstall没报错的话一般会正常下载驱动了，反正我是没报错。最后直接$ sudo reboot重启就可以
2021-09-20 16:31:16
3815
1
原创 ERROR: TensorBoard could not bind to port 6006, it was already in use
ERROR: TensorBoard could not bind to port 6006, it was already in use遇到这种错误我的解决办法如下：$ lsof -i:6006然后找到TCP *：x11-6(LISTEN)所对应的PID。$ kill -9 3645561 然后就可以运行tensorboard --logdir release_model --port 6006了。...
2021-09-11 21:15:46
550
原创 ubuntu创建用户并配置环境
1、在ubuntu系统中创建一个新的用户用来向Linux系统添加新用户的主要工具是useradd。可以使用加入了-D选项的useradd命令查看所有Linux系统中的这些默认值。$ useradd -D结果：其中倒数第二个值很有意思，useradd命令允许管理员创建一份默认的HOME目录配置，然后把它作为新用户HOME目录的模板。这样就能自动在每个新用户的HOME目录里放置默认的系统文件。$ ls -al /etc/skel/结果：使用默认系统参数创建一个新用户，然后检查新用户的HOM
2021-09-10 17:04:53
7117
1
原创 Deepfillv2 调试
Bug1:tensorflow.python.framework.errors_impl.ResourceExhaustedError: 2 root error(s) found.解决方法：减少批处理Batch 的大小降低全连接层的维度增加池化 层缩小输入图片大小总之呢，就是显卡内存不能满足此次训练，所以就是要降低所需内存要求。在inpaint.yml文件中，我们修改了dataset, log_dir, data_flist, img_shape, height, width, tra.
2021-09-04 12:30:33
633
原创 《统计学习方法》习题答案
第一章 统计学习及监督学习概论课后习题1.1 说明伯努利模型的极大似然估计以及贝叶斯估计中的统计学习方法三要素。伯努利模型是定义在取值为0与1的随机变量上的概率分布。假设观测到伯努利模型n次独立的数据生成结果，其中k次的结果为1，这时可以用极大似然估计或贝叶斯估计来估计结果为1的概率。解：① 统计学习的三要素分别是模型、策略、算法。模型：伯努利模型，即定义在取值为0与1的随机变量上的概率分布。策略：极大似然估计和贝叶斯估计的策略都是对数损失函数，只不过贝叶斯估计使用的是结构风险最小化。算
2021-09-01 15:14:03
4772
原创 OSError: [Errno 98] Address already in use
OSError: [Errno 98] Address already in use出现这个错误是因为我在运行visdom时，其通道已经被占用了。解决方法：首先检查下网络通道使用情况：$ netstat -tunlp然后关掉通道：8097：kill -9 277345
2021-08-27 22:02:10
335
原创 DeepFacade: A Deep Learning Approach to Facade Parsing 个人理解
Abstract建筑物立面分析长期以来都是计算机视觉中三维街景重建的关键组成部分。①这篇文章提出了采用基于深度学习的方法来对建筑物立面进行语义信息分类。现实中的建筑物立面具有对称的特点，基于这一观察，②文章采用了对称正则化的方法来训练神经网络。 ③文章还提出了采用RPN所生成的边界框来细化分割结果的方法。 实验过程中，作者采用新颖的损失函数来训练FCN-8s网络，验证了其方法是state-of-the-art。Introduction成功的建筑立面解析不仅可以更有效地存储建筑信息，而且可以基于规则对
2021-08-24 10:48:56
801
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人