在运行keras代码的时候，出现了以下的错误： Traceback (most recent call last): File "segnet_train.py", line 254, in <module> train(args) File ...

风格迁移： 在内容上尽量与基准图像保持一致，在风格上尽量与风格图像保持一致。 1. 使用预训练的VGG19网络提取特征 2. 损失函数之一是“内容损失”（content loss），代表合成的图像的特征与基准图像的特征之间的L2距离，保证生成的图像内容和基准图像保持一致。 3. ...

tf中使用张量（tensor）这种数据结构来表示所有的数据，可以把张量看成是一个具有n个维度的数组或列表，张量会在各个节点之间流动，参与计算。 张量具有静态维度和动态维度。 在图构建过程中定义的张量拥有的维度是静态维度，这个维度可以被定义为不确定的，例如定义一个tensor的维度是[None,10 ...

自己总结记录一下transformer中的维度变换 对于输入 词嵌入矩阵 位置编码 ENCODER 流程： DECODER 流程： ...

一直对TF中tensor的reduce操作涉及的axis（reduction_indices）计算一知半解，这里系统总结一下，避免继续走弯路： 1.本质上来说，reduce_xxx都是降维操作，沿某个axis进行降维，不管是求和还是取平均值，总之需要消灭这一维度。 2.默认axis值为none ...

原文链接：http://outerthought.org/blog/417-ot.html 原文是Bruno Dumon在一年前写的，现在看了还是有很多启发，因此简单的翻译一下，可能有理解不准确的地 ...

深度学习在设计神经网络结构时需要指定每个隐藏层权重矩阵、偏置项的维度，有的时候容易搞混淆，导致运行时产生维度不对的错误，特别是对于隐藏层既深又宽的网络，更容易出错。下面以一个实例来说明怎么简单快速确定每一层各个矩阵的维度。 假设需要拟合的函数为：y=f(x)=WX+b。 损失函数：J(W,b ...

相关参数描述：http://keras-cn.readthedocs.io/en/latest/preprocessing/image/其中validation_split参数（官方上使用方法未描述）：设置训练集与验证集的比例。　　要与flow_from_directory或flow函数配合 ...