Volavion-CSDN博客

原创深度卷积对抗神经网络进阶第三部分 GANs Unpaired Translation with Cycle GAN 模型

深度卷积对抗神经网络进阶第三部分 GANs Unpaired Translation with Cycle GAN 模型

2023-02-23 05:10:43 731 3

原创深度卷积对抗神经网络进阶第二部分 GANs Pix2Pix PatchGAN 模型

通过Pix2Pix Patch GANs可以实现图像的转化，而图像的转化会帮助艺术创作者创造更加有趣的艺术作品，这样可以解放艺术创作者的双手，让他们去做更加有意义和创作的事情，而不是用画笔绘画等等。其通过U-Net和PatchGANs分辨器来实现了图片数据的对应。这个模型可以做到非常真实的结果输出，但是其缺点也是显而易见，其需要标记好的图片对应来训练网络，而不能直接输入图片。这就使得其在某些研究领域的应用有一定的局限性。而CycleGANs便可以解决数据标注的问题。

2023-02-22 23:59:30 917

原创深度卷积对抗神经网络进阶第一部分 GANs 在数据增强和隐私领域的应用 GANs for Data Augmentation and Privacy

深度卷积对抗神经网络进阶第一部分 GANs 在数据增强和隐私领域的应用 GauGans

2023-02-22 03:21:43 512

原创深度卷积对抗神经网络基础第七部分 StyleGAN

深度卷积神经网络模型已经应用在非常多的领域，但是其总包含了很多潜在的问题，比如说训练速度过慢，生成器与判别器的进化程度不平衡等等。那么，随着各种方法和算法的普及和进化，其解决的方法也越来越多，那么styleGAN就是其中的一个非常有趣的模型，2018 年 12 月，Nvidia 研究人员分发了一份预印本以及介绍 StyleGAN 的配套软件，这是一种用于生成无限数量（通常令人信服）的假人脸肖像的 GAN 。StyleGAN 能够在 Nvidia 的商用 GPU 处理器上运行。

2023-02-01 06:58:28 419

原创深度卷积对抗神经网络基础第六部分缺点和偏见 GANs Disadvantages and Bias

深度卷积对抗神经网络基础第六部分缺点和偏见 GANs Disadvantages and Bias

2023-01-31 06:59:51 598

原创深度卷积对抗神经网络基础第五部分 Inception-v3 architecture GANs

深度卷积对抗神经网络基础第五部分 Inception-v3 architecture GANs

2023-01-31 06:33:12 710

原创深度卷积对抗神经网络基础第四部分可控制的GANs(Controllable GANs）

深度卷积对抗神经网络基础第三部分可控制的GANs(Controllable GANs）

2023-01-26 02:38:35 665

原创深度卷积对抗神经网络基础第三部分 (WGAN-GP）

比如说，**模式奔溃**，指的是生成器的学习效率远高于辨别器的时候，那么学习一段时间过后，辨别器便无法再继续提供有用的损失信息，以至于生成器无法得到参考而塌陷到一个局部最小点中去。而**梯度消失**指的是当损失趋于无限大或者无限小时，损失函数的值变化基本可以视为忽略，那么梯度就会消失，进而停止学习或者学习效率基本为零。

2023-01-24 06:38:37 1363

原创非常好用，绝对未来黑马的 Python 开源测试框架 PySimpleTest

PySimpleTest 是一个非常简洁开源的python代码测试框架，作者是 https://github.com/Time-Coder?tab=stars

2023-01-20 05:01:47 3165

原创深度卷积对抗神经网络基础第二部分 DC-GANs

DC-GANs （DC-GANs Deep convolutional GAN）是基于GANs的一种专门对图片生成的一种模型，其通过卷积操作来进行图片的一些基本操作来实现模型的功能。

2023-01-20 04:10:07 1039

原创 Generative Adversarial Network (GANs) 对抗神经网络基础第一部分

对抗神经网络模型主要就是通过判别器和生成器来进行攻击和战斗，这样就会使得两个模型越来越强大，最后达到一个同时进化的目的。具体的逻辑是：生成器根据噪声生成结果，判别器来辨别其真假，互相对抗，互相。

2023-01-20 00:20:42 632

原创主成分分析 - 示例代码

主成分分析就是通过对研究对象的所有维特征进行分析，并找出能够表现出数据特征的最主要的特征，并对特征进行降维度。其原理是对特征的协方差矩阵进行研究。协方差矩阵可以类比一维的协方差来理解，方差的值对应矩阵中的这一维的特征值。因此找出最大的协方差，就说明这两个维度的差别越大，也就说明其携带的信息就更多。具体的解释可以如下图所示：以上数据点有两个主要的特征，紫色和粉色，这两个特征明显可以表现出样本的大部分分布趋势，那么我们就通过对这两个方向进行投影的方式来将空间投影到最有用的两个特征上来进行分析。

2023-01-10 05:26:08 312

原创自然语言处理概览理解 NLP specialization - Supervised ML

自然语言处理可以实现语义识别，情感识别，文本翻译等等功能，当然最近情况下最火的便是ChatGBT的人工智能对话机器人。本人正在硕博的过渡期，深知新技术，新技能对于个人发展或者人类进步的重要性，象牙塔里的学习经历总不是非常的前沿和及时。因此在过渡期的三四个月内，我决定尝试去接触这些新技术和新技能，来充实自己，并开始认识人工智能的发展前景以及状况。总体来说，自然语言识别包含一下几步：文本转换，模型构建，算法训练，测试验证。

2023-01-10 01:27:28 662 1

原创 Django Field name `` is not valid for model 解决方案

Django Field name `` is not valid for model 解决方案当使用 rest-framework的时候，我在创建完成 serializer后，指定了对应的metadata时候，当通过ModelViewSet 来创建对应的API时，出现问题： Django Field name content_html is not valid for model。代码如下：对于 serializerclass PostSerializer(serializers.Mode

2021-09-05 23:32:21 1315

转载 ImportError: cannot import name ‘SKIP_ADMIN_LOG‘ from ‘import_export.admin‘

ImportError: cannot import name ‘SKIP_ADMIN_LOG’ from ‘import_export.admin’**转载自： https://coding.m.imooc.com/questiondetail?cid=131&qid=237010亲测有效**Django2.2.24python3.8.x在使用xadmin报错，xadmin复制老师的。报错信息：…File “D:\AceMyProject\mxshop\mxshop\libs\xa

2021-08-24 10:58:21 820

原创 Android twrp+adb 完美免费救砖安装系统教程亲测有效

刷机准备主要是根据这个教程来在手机中启动twrp来进行书籍： https://www.bilibili.com/video/BV1H54y1B7MA?from=search&seid=3151017981277325678卡刷第三方包，在各种网站中下载。推荐一个 https://m.romzhijia.net/去twrp.me中下载手机型号对应的twrp.img。去adbdownload.info中下载adb。手机打开USB调试，长摁电源键+音量下键进入刷机模式，判断win

2021-08-15 16:52:59 11542

原创 Linux系统安装Python3环境补充教程

链接https://blog.csdn.net/L_15156024189/article/details/84831045补充内容在安装过程中出现fatal error: ffi.h: No such file or directory问题解决方案：yum -y install libffi-devel亲测可解决

2021-07-17 19:09:15 155

原创 HTML+JS 特效- 浮动气泡

浮动气泡特效实现代码在HTML中添加canvas的条目，然后将下面的JS代码copy到下面。两个定时器分别实现更新canvas和更新气泡大小位置等等。window.onload = function(){ var oc = document.querySelector("canvas"); if (oc.getContext){ var ctx = oc.getContext("2d");

2021-01-21 17:21:58 800

原创 TensorFlow module ‘tensorflow‘ has no attribute ‘Session‘ 问题解决

问题描述在初次尝试tensorflow 的时候遇到类似下面的问题：module ‘tensorflow’ has no attribute ‘placeholder’module ‘tensorflow’ has no attribute 'Session’问题解决导致该问题的原因是：tensorflow的 V1 版本和V2版本不能直接兼容，需要在其前置中加入些代码设置环境：import tensorflow.compat.v1 as tf这个时候，如果你使用了placeholder的话，

2020-12-03 16:20:17 3229

原创 VBA 指定某列相同的内容合并，对应的其它列内容相加

合并需求假如某一列包含多种重复单元，但是重复的单元对应的其它列却不相同，需求便是指定某一列，寻找其中相同的元素，对两行元素进行合并。如下图所示的源数据，可以看到，该Excel表格的A列有很多重复项，对他们进行合并，其它列直接连接起来，效果如下图所示。解决方案在这里提供一个可设定的解决方案，也是一个SUB子程序。源代码如下。Sub mergeCategoryValues() Dim lngRow As Long With ActiveSheet Dim colu

2020-11-25 13:52:03 5030 1

原创 VBA 单一单元格的多行内容拆分为多行

多行拆分需求假如一个单元格包含多行信息，比如说一些唯一的ID信息，我需要将该列的这些多行信息进行拆分，将其拆分为多行，其余列信息进行复制。例如如下图所示的示例。可以看到，该Excel表格的A列每一行都有两行的数据，而我们的目的就是把这七行进行拆分为十四行，每一行包含单元格内单行的一条信息，其余列的文件进行复制，如下图所示。解决方案在这里提供一个可设定的解决方案，也是一个SUB子程序。源代码如下。Sub SplitCopyValues() Dim arr As Variant D

2020-11-25 13:29:37 4772 10

原创 JavaScript 高级技巧以及拖放元素的实现

JS高级函数安全的类型检测方式在使用类型检测typeof的时候，常常会碰到各种各样的问题，这些原因呢，有可能是因为浏览器的不同，也可能是因为浏览器版本不同，也有可能因为所运行的框架不同。比如typeof函数在safari中对正则表达式的返回值是“function”。那么，下面提供一种绝对安全可靠的类型检测方式（如果toString方法没有被修改的前提下）：// 判断是否是数组Function isArray(value){ return Object.prototype.toString.call

2020-11-24 11:23:11 140

原创 JavaScript Ajax通信总结

Ajax简介JavaScript是单线程语言，在通信方面就有天生的劣势，例如实现异步通信。而Ajax就提供了标准的API用来实现数据的通信。Ajax的核心是XMLHttpRequest对象。通过该对象可以实现异步通信获取数据。XHR对象open方法它接收三个参数，要发送的请求类型、请求的URL以及表示异步发送请求的布尔值。可以通过xhr对象的readystate属性来获取当前请求的状态：0：未初始化1：启动2：发送3：接收4：完成HTTP头部信息其中存在很多的默认头部信息，也

2020-11-21 16:35:04 215 1

原创 JavaScript JSON 相关总结

JSON 总结JSON 全称为 JavaScript Object Notation，被设计出来用于结构和标准化数据，他现在已经被很多语言所使用，他们都有针对JSON的解析器和序列化器。JSON的格式：可以表示简单值，数组和对象双引号包括主变量名和值JSON的解析和序列化：JSON.stringify() 对象-》JSON stringJSON.parse() JSON string -》对象JSON.stringify() 第二个参数若为字符数组

2020-11-19 21:05:48 145

原创 JavaScript 事件处理机制总结

JavaScript 事件总结事件处理机制JS的事件处理机制由事件捕获和事件冒泡之说。其中逻辑方式刚好相反。事件捕获表示越宽泛的节点越先接收到事件事件冒泡表示越细节的节点越先接收到事件，然后慢慢冒泡的方式冒出去事件处理机制多浏览器通用代码通过EvenUtil的方式，可以将所有的事件和HTML组件包含进去，通过统一的方式去处理各种事件。var EventUtil = { addHandler: function(element, type, handler){ i

2020-11-17 20:02:35 293

原创 JavaScript 用户代理检测（浏览器类型检测，运行平台检测等）规范代码

客户端检测客户端检测很直观地分为：能力检测，怪癖检测和用户代理检测能力检测是检验所运行的平台是否支持指定的函数，代码或者功能。建议需要才检测的原则，可将所需要的功能进行统一检测到初始化中，这样可以实现能力检测的统一管理。怪癖检测是检验所运行的平台或者引擎是否有指定的bug，该方法主要是为了避免浏览器的某些知名的BUG，但是一般开发者不会遇到。用户代理检测是检验JavaScript的运行代码的呈现引擎，浏览器等等而实现的方法，主要用于实现多平台多功能。用户代理检测规范代码本规范代码参考自Ni

2020-11-03 19:15:00 576 1

原创 JavaScript 引用类型基本概念

JavaScript 引用类型该语言几乎将所有的东西都视为对象，函数是对象，基本类型也会被包装为对象。好处多多，使得代码编写更为灵活，更为快捷。下图是我总结的一些引用类型的知识点，作为一个大纲来参考。参考书籍是Nicholas C.Zakas所编著的 Professional JavaScript For Web Developers.作为该语言的基础类型，其最有特点的是以下：函数参数可以是函数，返回值也可以是函数。支持很强大的正则表达式功能，以及捕获组的概念。函数没有覆写功能，一个函数可以

2020-10-28 13:30:20 200

原创 Doors软件安装以及DXL入门

Doors 安装DOORS Enterprise Requirements Suite（ERS）是一个功能全面且强大的需求管理工具，在汽车，航空航天等领域有很广泛的应用。但是DOORS作为企业应用软件，软件更新速度慢，界面使用不流畅，极大地影响使用的效率。 IBM为了解决这个问题，加入了DXL editor的接口可以让用户自定义程序接口，实现特定的功能，使用的语言是基于C的DXL语言。那么，大型企业的Doors数据库中的数据一般非常重要，不可能让使用者进行测试，那么自建数据库和在个人电脑上安装Doors

2020-09-24 13:46:59 8676 6

NLP specialization Deeplearning.AI jupyter notebook 练习以及ppt

tutorials.zip

空空如也