原创 Linux Ubuntu 筆記（長期更新）
軟鏈接、硬鏈接： 前者相當於快捷方式，後者則相當於重新拷貝了一次。 軟鏈接命令： ln -s /home/sb/a /home/sb/b 注意！刪除軟鏈接時，注意rm a 和 rm -r a/的區別，後者會將源文件夾也刪除，血的教訓
2020-07-08 10:35:24
36
原创 PyTorch踩過的坑（長期更新，轉載請註明出處）
最近在知乎看到有人轉載了這裏的內容，提醒一下，歡迎轉載，但是請註明出處，謝謝。 1. nn.Module.cuda() 和 Tensor.cuda() 的作用效果差異 無論是對於模型還是數據，cuda()函數都能實現從CPU到GPU的
2020-07-08 10:35:24
65
原创 LaTeX 系列(2) —— 中文支持
本文內容基於 Ubuntu16.04 和 TexLive 2018. 對於完整安裝的TexLive2018, 應該是已經包含了中文支持的，使用 xeCJK 宏包即可。 我們可以測試一下以下代碼： \documentclass{artic
2020-07-08 10:35:22
159
原创 Voice Conversion using Convolutional Neural Networks 翻譯
原文來自arXiv.org (Mobin S, Bruna J. Voice Conversion using Convolutional Neural Networks[J]. 2016.) 摘要：除了音調外，音色是識別說話人的關鍵，
2020-02-25 07:52:13
7
原创 數據結構和算法筆記（2）基礎算法模板
有很多的基礎算法經常會用到，但是又容易寫錯。而網上查到的實現又五花八門、良莠不齊，故在此整理記錄。 本文的目錄如下： 1.二分查找 2.並查集 1.二分查找 一個細節就是計算middle時，用 (left + right) /
2020-02-25 07:52:13
1
原创 基於深度學習的低光照圖像增強方法總結（2017-2019）
之前在做光照對於高層視覺任務的影響的相關工作，看了不少基於深度學習的低光照增強（low-light enhancement）的文章[3,4,5,7,8,9,10]，於是決定簡單梳理一下。 光照估計（illumination estimat
2019-08-23 08:33:14
15
原创 編程時踩過的坑（主要是c++）
1.數值溢出 存儲數據時要考慮數值溢出的問題，選擇合適的類型，特別要注意數值運算時的數值範圍是否合適。比方說，如果使用了int類型，儘管數據本身沒有超範圍，但是在進行乘法計算時卻可能會產生數值溢出。 c++類型的數值範圍速查表： Type
2019-07-30 08:01:12
原创 數據結構和算法筆記（1）數論相關
最近在刷編程題，發現了許多雜七雜八的知識點，稍微歸類並記錄下來方便後續查閱。 本文的目錄如下： 1.組合數 2.快速冪 3.大數取模（乘法逆元和費馬小定理） 4.菲波拉契數列 1.組合數的求法 組合數，爲了方便也寫作
2019-07-11 10:27:11
原创 PyTorch中的padding（邊緣填充）操作
簡介 我們知道，在對圖像執行卷積操作時，如果不對圖像邊緣進行填充，卷積核將無法到達圖像邊緣的像素，而且卷積前後圖像的尺寸也會發生變化，這會造成許多麻煩。 因此現在各大深度學習框架的卷積層實現上基本都配備了padding操作，以保證圖像輸入
2019-07-03 09:02:49
84
原创 人體解析任務 和 Look into Person數據集 （附源碼分享）
人體解析任務 人體解析（human parsing），屬於語義分割任務的子任務，旨在對人類圖像進行像素級的是細粒度分割（例如，劃分出身體部位和服裝）。根據不同的場景，又可以分爲單人人體解析（single-person human pars
2019-06-14 17:41:08
17
原创 python列表的三種拷貝方式的性能分析
對於一個很大的列表，如果要對其進行復制，那麼有三種方式可以選擇。 第一種是直接用for循環複製，第二、第三種則是使用python自帶的copy和deepcopy方法。 copy和deepcopy的區別在於，copy僅僅對被複制對象本身的值
2019-04-26 22:22:01
原创 Domain Adaptation through Synthesis for Unsupervised Person Re-identification 論文筆記
這篇文章來自ECCV2018. 主要針對無監督的行人再識別任務，首先用3D引擎和環境渲染技術構建了一個多光照條件的虛擬行人數據集，接着用該合成數據集和其它大型真實數據集合並，共同預訓練了一個模型。由於涵蓋了各種光照情況，該模型具有良好的泛
2019-02-23 16:11:37
原创 損失函數SSIM (structural similarity index) 的PyTorch實現
SSIM介紹 結構相似性指數（structural similarity index，SSIM）, 出自參考文獻[1]，用於度量兩幅圖像間的結構相似性。和被廣泛採用的L2 loss不同，SSIM和人類的視覺系統（HVS）類似，對局部結構變
2019-02-21 23:46:23
325
原创 PyTorch的可重複性問題 （如何使實驗結果可復現）
由於在模型訓練的過程中存在大量的隨機操作，使得對於同一份代碼，重複運行後得到的結果不一致。因此，爲了得到可重複的實驗結果，我們需要對隨機數生成器設置一個固定的種子。 許多博客都有介紹如何解決這個問題，但是很多都不夠全面，往往不能保證結果精
2018-11-21 01:13:16
446
原创 網絡調參時踩過的坑（長期更新）
1.學習率大小的設置 一般情況下，當網絡收斂到一定程度時，loss曲線的變化不明顯，並出現上下的小幅度波動，這時候可以考慮調小學習率，幫助網絡進一步收斂到最優值。如下圖所示： 但有些情況，網絡看似收斂了，但實際上是到了某些平坦的曲面，離
2018-09-17 05:43:40