【源碼解讀】cycleGAN（一）：網絡
源碼地址：https://github.com/aitorzip/PyTorch-CycleGAN 如圖所示，cycleGAN的網絡結構包括兩個生成器G(X->Y)和F(Y->X)，兩個判別器Dx和Dy 生成器部分：網絡整體上經過一個降采樣然后上采樣的過程，中間 ...
原文：【源碼解讀】cycleGAN（二) ：訓練
源碼地址：https: github.com aitorzip PyTorch CycleGAN 訓練的代碼見於train.py，首先定義好網絡，兩個生成器A B, B A和兩個判別器A, B，以及對應的優化器 優化器的設置保證了只更新生成器或判別器，不會互相影響 然后是數據 接着就可以求取損失，反傳梯度，更新網絡，更新網絡的時候首先更新生成器，然后分別更新兩個判別器 生成器：損失函數 身份損失 ...
2019-11-19 23:10 0 469 推薦指數：
相關推薦
【源碼解讀】cycleGAN（三）：數據讀取
源碼地址：https://github.com/aitorzip/PyTorch-CycleGAN 數據的讀取是比較簡單的，cycleGAN對數據沒有pair的需求，不同域的兩個數據集分別存放於A，B兩個文件夾，寫好dataset接口即可 上面的代碼中，首先定義好buffer ...
Bert源碼解讀(三)之預訓練部分
一、Masked LM get_masked_lm_output函數用於計算「任務#1」的訓練 loss。輸入為 BertModel 的最后一層 sequence_output 輸出（[batch_size, seq_length, hidden_size]）,先找出輸出結果中masked掉的詞 ...
TensorFlow 訓練模型流程解讀（含源碼）
TensorFlow 訓練模型流程解讀（含源碼） Tensorflow的Object Detection的API是基於config文件調用的，但是真正的Tensorflow模型和訓練過程是基於python代碼的，本文是一個很好的例子，非常完整地演示了使用Tensorflow從制作 ...
【源碼解讀】pix2pix（一）：訓練
源碼地址：https://github.com/mrzhu-cool/pix2pix-pytorch 相比於朱俊彥的版本，這一版更加簡單易讀 訓練的代碼在train.py，開頭依然是很多代碼的共同三板斧，加載參數，加載數據，加載模型 命令行參數 數據 ...
CycleGAN
CycleGAN解決了模型需要成對數據進行訓練的困難。 前文說到的pix2pix，它和CycleGAN的區別在於，pix2pix模型必須要求 成對數據 （paired data），而CycleGAN利用 非成對數據 也能進行訓練(unpaired data)。 CycleGAN ...
【源碼解讀】YOLO v3 訓練 - 02 網絡結構
首先，看一下YOLO v3 中的網絡結構。 YOLO v3 的整體流程 番外步驟： 對訓練集圖片標記后產生的數據進行K-Means處理，篩選9個anchor-box。 詳見：https://www.cnblogs.com/monologuesmw/p ...
【源碼解讀】YOLO v3 訓練 - 05 損失函數loss
摘要 在損失函數計算的過程中，需要對模型的輸出即 feats進行相關信息的計算。 ---- 在yolo_head中 當前小網格相對於大網格的位置（也可以理解為是相對於特征圖的位置） ...