【源码解读】cycleGAN（一）：网络
源码地址：https://github.com/aitorzip/PyTorch-CycleGAN 如图所示，cycleGAN的网络结构包括两个生成器G(X->Y)和F(Y->X)，两个判别器Dx和Dy 生成器部分：网络整体上经过一个降采样然后上采样的过程，中间 ...
原文：【源码解读】cycleGAN（二) ：训练
源码地址：https: github.com aitorzip PyTorch CycleGAN 训练的代码见于train.py，首先定义好网络，两个生成器A B, B A和两个判别器A, B，以及对应的优化器 优化器的设置保证了只更新生成器或判别器，不会互相影响 然后是数据 接着就可以求取损失，反传梯度，更新网络，更新网络的时候首先更新生成器，然后分别更新两个判别器 生成器：损失函数 身份损失 ...
2019-11-19 23:10 0 469 推荐指数：
相关推荐
【源码解读】cycleGAN（三）：数据读取
源码地址：https://github.com/aitorzip/PyTorch-CycleGAN 数据的读取是比较简单的，cycleGAN对数据没有pair的需求，不同域的两个数据集分别存放于A，B两个文件夹，写好dataset接口即可 上面的代码中，首先定义好buffer ...
Bert源码解读(三)之预训练部分
一、Masked LM get_masked_lm_output函数用于计算「任务#1」的训练 loss。输入为 BertModel 的最后一层 sequence_output 输出（[batch_size, seq_length, hidden_size]）,先找出输出结果中masked掉的词 ...
TensorFlow 训练模型流程解读（含源码）
TensorFlow 训练模型流程解读（含源码） Tensorflow的Object Detection的API是基于config文件调用的，但是真正的Tensorflow模型和训练过程是基于python代码的，本文是一个很好的例子，非常完整地演示了使用Tensorflow从制作 ...
【源码解读】pix2pix（一）：训练
源码地址：https://github.com/mrzhu-cool/pix2pix-pytorch 相比于朱俊彦的版本，这一版更加简单易读 训练的代码在train.py，开头依然是很多代码的共同三板斧，加载参数，加载数据，加载模型 命令行参数 数据 ...
CycleGAN
CycleGAN解决了模型需要成对数据进行训练的困难。 前文说到的pix2pix，它和CycleGAN的区别在于，pix2pix模型必须要求 成对数据 （paired data），而CycleGAN利用 非成对数据 也能进行训练(unpaired data)。 CycleGAN ...
【源码解读】YOLO v3 训练 - 02 网络结构
首先，看一下YOLO v3 中的网络结构。 YOLO v3 的整体流程 番外步骤： 对训练集图片标记后产生的数据进行K-Means处理，筛选9个anchor-box。 详见：https://www.cnblogs.com/monologuesmw/p ...
【源码解读】YOLO v3 训练 - 05 损失函数loss
摘要 在损失函数计算的过程中，需要对模型的输出即 feats进行相关信息的计算。 ---- 在yolo_head中 当前小网格相对于大网格的位置（也可以理解为是相对于特征图的位置） ...