Willen_的博客

假设有一个训练好的模型，并且我们只想微调部分参数。比如，这里我们只想更新最后一部分的参数：可以看到，这里的模块叫b4。我们可以直接通过获取模块的名字来进行更新：也就是说 只要模块名字包含b4 就会让他跟新网络。对应的optimizer 的设置如下：然后直接训练就行。也可以直接 把这些符合条件的 parameters 加入 list中，并传给 optimizer直接训练就行。##...

抗锯齿下采样（Anti-aliasing/down-sampling）-python-numpy 实现这篇内容会涉及：卷积和抗锯齿下采样。代码请访问：https://github.com/LonglongaaaGo/ComputerVision问题描述如果直接对图片进行上采样，比如说用nearest 线性插值，我们能够发现上采样的图片会有很多锯齿，如上篇 从Nearest插值到Bilinear插值的分析与python实现。其实如果直接进行下采样，也会出现这个问题，效果如图所示：上图，左边是原图（

从Nearest插值到Bilinear插值的分析与python实现这篇主要是想分析一下Nearest差值和Bilinear差值的计算细节，然后附上对应的Python实现代码。自己实现的代码，希望对你有帮助：https://github.com/LonglongaaaGo/ComputerVision效果先给出实现效果：首先我们有一张小狗狗：然后用Nearest 上采样，能够得到：可以看到，有很多的锯齿，看起来不是很完美。然后试试这个实现的Bilinear 上采样：能够看到整体上柔和很

PIL,CV2,pytorch的图片维度顺序PIL：img = Image.open(file).convert('RGB')w,h = img.sizeCV2：image = cv2.imread(filepath)image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)h, w, c = image.shapepytorch：batch,channel,h,w注意区分...

利用PIL将numpy数组转换成二值图思路，可以先把二维数组在通道方向进行扩展，然后转化成rgb图，再转化成二值图。直接转化，我不知道为什么不行。这里也只是一个权宜之计，哪位高手有更好的方式可以探讨探讨！from PIL import Imageimport numpy as npdata = np.ones((16, 16), dtype=np.uint8) # 创建一个全1的数组data = data * 255 #get Binary_mapBinary_map

关于pytorch torchvision.transforms 数据标准化的一些使用转自：https://blog.youkuaiyun.com/u014484247/article/details/79997357这里在做一点补充，对于把数据转换回去，只要把公式带回去就能得到结果对应的，关键公式如下：image_numpy = (np.transpose(image_numpy, (1,...