2 Mr_health

尚未进行身份认证

我要认证

暂无相关简介

等级
TA的排名 3w+

pytorch可视化输出的图像

最近在学习GAN,跑了两个目前是sota的开源代码:https://github.com/Tencent/Real-SR以及https://github.com/ManuelFritsche/real-world-sr,前者是在esrgan的基础上做了一定的改动,后者包含dsgan和esrgan-fs两部分,其中esrgan-fs与腾讯的代码均在BasicSR增添了自己的改进,总体的框架基本不变。.在学习的时候,主要是dsgan部分和esrgan部分对输入图片和可视化的操作有一点不同,在此做以记录...

2020-10-20 16:16:37

PIL.Image和cv2的图片读取转换

这里读取一个RGB的图片img = Image.open(imgpath)print(img,img.size())img.show()print的结果如下,可以看到是没有第三波段的,只显示出了H和W<PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=500x355 at 0x13E73B4ACC0>(500, 355)如果这时候想用cv2来进行展示,即cv2.imshow(img),就会出现错误。因为cv2接受

2020-10-13 14:47:31

【pytorch】squeeze函数和unsqueeze函数

squeeze(): 去除size为1的维度,包括行和列。至于维度大于等于2时,squeeze()不起作用 unsqueeze():在指定维度增加一个维度import torcha = torch.rand(4, 1, 3)print('a.shape:',a.shape)print('a:',a)b = a.squeeze() #除去维度为1的维度 print('b.shape:',b.shape)print('b:',b)c = a.unsqueeze(0) #在指定.

2020-09-28 10:39:03

【docker】配置深度学习环境

docker images:查看镜像docker rmi imageID 删除镜像docker ps:查看正在运行容器docker ps -a:查看所有容器docker rm ContainerID 删除容器docker run -it imageID bash 创建一个容器运行镜像(-it 表示可交互) 可以在里面利用pip或者conda配置环境docker commit ContainerID newImage 将某容器中的环境制作成新的镜像docker push 推送镜像..

2020-09-24 19:32:20

【python】argparse

parser = argparse.ArgumentParser()parser.add_argument('--dataset', type=str, default='cifar10', help='cifar10 | cifar100 | folder')parser.add_argument('--dataroot', type=str, default='./data', help='path to dataset')parser.add_argument('--workers', typ.

2020-09-23 10:08:23

【python】logger模块

def setup_logger(logger_name, root, phase, level=logging.INFO, screen=False, tofile=False): '''set up logger''' lg = logging.getLogger(logger_name) #获取logger对象 formatter = logging.Formatter('%(asctime)s.%(msecs)03d - %(levelname)s: %(message).

2020-09-23 09:53:35

【GAN网络】tensorflow和pytorch实现损失函数

import tensorflow as tf#batch_size = 3,真实数据real_logits=tf.constant([[1.25], [2.5], [-1.7]]) #GAN的话是两分类,因此最后只有一个节点,经过D映射后表示为真的概率 real_prob=tf.nn.sigmoid(real_logits) #真实数据经过D后被判别为真的概率read_labels=tf.ones_like(.

2020-09-18 15:00:06

【tensorflow】读取图片的几种方式

TensorFLow从文件读取图片的四种方式用十张图详解TensorFlow数据读取机制(附代码)

2020-09-11 20:23:54

【tensorflow基础】读取mnist数据

TensorFlow的封装让使用MNIST数据集变得更加方便。MNIST数据集是NIST数据集的一个子集,它包含了60000张图片作为训练数据,10000张图片作为测试数据。在MNIST数据集中的每一张图片都代表了0~9中的一个数字。图片的大小都为28*28,且数字都会出现在图片的正中间。代码如下:import tensorflow as tfimport numpy as npimport pickleimport matplotlib.pyplot as pltfrom tensorfl.

2020-09-08 13:05:35

如何理解“机器学习”中的数据分布

机器学习中的“分布”

2020-09-07 17:07:48

【lintcode】背包问题

92. 0/1背包问题(无价值)在n个物品中挑选若干物品装入背包,最多能装多满?假设背包的大小为m,每个物品的大小为A[i]样例 1: 输入: [3,4,8,5], backpack size=10 输出: 9样例 2: 输入: [2,3,5,7], backpack size=12 输出: 12二维的dp数组表示对于大小为的背包,前个物品能装多满。所谓0/1背包问题,就是对于某一个物品,它有两种状态,要么放入背包,状态为1,要么不放入背包,状态为0...

2020-08-13 01:12:40

【leetcode】二分法

目录方法总结704. 二分查找852. 山脉数组的峰顶索引162. 寻找峰值278. 第一个错误的版本374. 猜数字大小35. 搜索插入位置方法总结笔者目前的水平给出两种二分法的模板。 模板一 这种是最简单的二分法的模板,如下。其特点是:循环可以继续的条件是 while (left <= right) ,表示当 left == right 成立的时候,还有一个元素,即下标 left(right)位置的元素还没有看到,需要继续查看这个元素的值...

2020-08-04 12:17:16

【leetcode】深度优先搜索

面试题 08.10. 颜色填充面试题 16.19. 水域大小130. 被围绕的区域1219. 黄金矿工79. 单词搜索面试题 08.10. 颜色填充编写函数,实现许多图片编辑软件都支持的「颜色填充」功能。待填充的图像用二维数组 image 表示,元素为初始颜色值。初始坐标点的横坐标为 sr 纵坐标为 sc。需要填充的新颜色为 newColor 。「周围区域」是指颜色相同且在上、下、左、右四个方向上存在相连情况的若干元素。请用新颜色填充初始坐标点的周围区域,并返回填.

2020-08-03 11:14:54

【leetcode】回溯法:组合、排列

目录77. 组合46. 全排列47. 全排列 II39. 组合总和40. 组合总和 II216. 组合总和 III78. 子集90. 子集 II77. 组合给定两个整数 n 和 k,返回 1 ... n 中所有可能的 k 个数的组合。输入:n = 4, k = 2输出:[ [2,4], [3,4], [2,3], [1,2], [1,3], [1,4],]这道题是比较简单的回溯法题目,这一题的解答模板就是回溯问题的基本模...

2020-07-29 15:46:10

【机器学习】分别从极大似然和熵的角度来看交叉熵损失

从极大似然的角度 从熵的角度 假设样本为X,其对应的类别为Y,P(Y|X)就是给定X判断为Y的后验概率。我们希望每一个样本X被正确预测到相应类别Y的概率都最大,即max P(Y|X),那么所有样本正确预测概率相乘最大化就是我们所期望的,因此采用极大似然的原理 Step1:构...

2020-07-28 00:38:58

【机器学习】信息熵与数据分布的距离度量方法

机器学习中,绕不开的一个概念就是熵 (Entropy),信息熵。信息熵常被用来作为一个系统的信息含量的量化指标,从而可以进一步用来作为系统方程优化的目标或者参数选择的判据。在决策树的生成过程中,就使用了熵来作为样本最优属性划分的判据。下面按照本人的理解来系统梳理一下有关熵的概念。1 信息量信息量即信息多少的度量。公式表达如下:即如果事件概率越大,该携带的信息量越小;事件概率越小,该...

2019-08-01 14:34:32

【机器学习】判别模型vs生成模型、概率模型vs非概率模型

参考:生成模型 VS 判别模型 (含义、区别、对应经典算法) 机器学习“判定模型”和“生成模型”有什么区别?判别模型和生成模型的区别,主要在于概率分布。对于一堆样本数据,第i个样本的特征为Xi(特征维度可以是j),对应的分类标记为Yi,则:判别模型:学习到条件概率分布P(Y|X),即在特征X出现的情况下标记Y出现的概率,是后验概率。判别式模型求得P(Y|X),对于一个样本的特征X,根据P(Y|X)可以求得标记Y,即可以直接判别出来样本的类别,如下图的左边所示,实际是就是...

2020-07-26 17:31:05

【机器学习】贝叶斯分类器与朴素贝叶斯

贝叶斯分类器在介绍贝叶斯分类器之前,首先需要知道先验概率、后验概率以及全概率的相关概念及计算公式,这里不再赘述。(1)贝叶斯公式的一般形式 这个公式用于计算A发生情况下,B发生的概率,往往A是结果,B是可能导致这一结果的某一因素。(2)对于分类问题的贝叶斯公式我们可以将上述一般形式下的贝叶斯公式看成如下: ...

2020-07-23 19:03:58

【概率论】极大似然估计和最大后验估计

目录1.概率模型和非概率模型1.1 非概率模型1.1 概率模型2 频率学派和贝叶斯学派2.1 频率学派2.2 贝叶斯学派3. 极大似然估计3.1 什么是极大似然估计3.2 极大似然原理及数学表示3.3 极大似然估计法(Maximum Likelihood Estimation,MLE)3.4 极大似然估计法求估计值的步骤3.5 例题1.概率模型和非概率模型要介绍极大似然估计和最大后验估计,就要先从概率模型和非概率模型说起。极大似然估计和最大后验估计都.

2020-07-23 14:45:43

【概率论】概率分布函数

概率分布函数基本介绍在实际问题中,常常要研究一个随机变量X取值小于某一数值x的概率,这概率是的函数,称这种函数为随机变量X的概率分布函数,记作,如下: 显然有:、。概率分布函数完整地描述了随机变量X的统计特性,由它可以决定随机变量落入任何范围内的概率。 ...

2020-07-23 10:50:22

查看更多

勋章 我的勋章
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 1024勋章
    1024勋章
    #1024程序员节#活动勋章,当日发布原创博客即可获得
  • 勤写标兵Lv4
    勤写标兵Lv4
    授予每个自然周发布9篇以上(包括9篇)原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。