Enosh的博客 | Enosh Blog

deeplearning总结

Deeplearning ##深度学习中的正则化 dropout 权重比例推断规则 ** Dropout在极小训练样本时不会很有效(如5000) ##深度学习中的优化学习与纯优化有什么不同 1. 批量算法与小批量算法目标函数可以分解为训练样本上的求和大样本计算量与收敛速度不成正比 ...

Posted by enoshx on December 6, 2019

algorithm记录总结

分而治之D&C 找出基线条件，使得该条件尽可能小对问题进行分解，直至符合基线条件 *所涉及递归的数组，基线条件为空或只包含一个元素动态规划问题不能解决连续问题，即有依赖关系的情况散列表模拟映射关系防止重复缓存/记住数据结合散列函数和数组创建散列表使用最大限度减少冲突的散列函数散列表的查找、插入和删除速度都非常快...

Posted by enoshx on November 7, 2019

LaTeX记录

MiKTeX First, edit the map configuration file updmap.cfg as follows. In a DOS/Command Prompt window, run: ` initexmf –edit-config-file updmap ` You’ll want to edit this in a text editor such as Not...

Posted by enoshx on July 30, 2019

tensroflow编程函数记录

TensorFlow tf.shape(tensor) 此函数为获取张量的大小，返回Tensor类型对象 tf.tile(input, multiples, name=None) 此函数为由multiples决定在哪个axis把张量复制n遍，e.g. multiples=[2,1,1] 指把axis=0维度的张量复制2遍 tf.stack(values, axis=0, n...

Posted by enoshx on July 14, 2019

Age Progression/Regression by Conditional Adversarial Autoencoder

论文笔记思考

#主要思想本文主要是通过Conditional adversarial autoencoder来生成不同年龄段的人脸 #论文内容思考 face images lie on a high-dimensional manifold 此假设是否靠谱文章后面是否有证明，不记得了，可能是用实验结果来说明的 not requiring paired samples in the trainin...

Posted by enoshx on July 13, 2019

Markdown常用符号

Markdown笔记

#标题二级标题以此类推 #列表 - - * * 1. 2. 3. #引用引用写法 #图片与链接 Google Doc 粗体 *斜体 #表格 · | Tables |1 | |———| | | col | | · #代码框 import tensorflow as tf #分割线

Posted by enoshx on July 11, 2019

遇到的error

编程笔记

jupyter notebook环境问题在tensorflow环境下，服务不可用 500 : Internal Server Error was fixed. solution： pip install –upgrade jupyterhub pip install –upgrade –user nbconvert 测试集数据加载使用tf.train.slice_input_pro...

Posted by enoshx on July 10, 2019

UNSUPERVISED REPRESENTATION LEARNING WITH DEEP CONVOLUTIONAL GENERATIVE ADVERSARIAL NETWORKS

论文笔记

题目思考 CGAN是加conditional的GAN，此篇文章是unsupervised learning的，是否有将两者结合起来的文章稳定 GAN Architecture guidelines for stable Deep Convolutional GANs Replace any pooling layers with strided convolutions (di...

Posted by enoshx on July 6, 2019

GAN survey

GAN的最大最小化问题由于该问题，导致梯度爆炸，使得图像生成质量差，训练无法收敛是否可以通过共享G和D的部分层的参数使两者之间存在依赖想法我的目的是去GAN生成不同表情的人脸（保留身份信息）我可不可以用已有的图像替代噪声去更好的生成人脸。 DiscoGAN or cycleGAN 此论文是想发现不同域之间的关系，利用这之间的共同关系来做风格迁移。创新点挖掘域之间的共同点 ...

Posted by enoshx on July 2, 2019

ExprGAN Facial Expression Editing with Controllable Expression Intensity

疑问 min Lpixel = L1(Gdec(Genc(x),c),x) 此部分说是为了保存身份信息，但是否会抑制表情的变化 Incremental Training 因为数据库小，而且loss多，联合训练子网络可能产生poor result （经验之谈） Facial Expression Transfer 通过其他人对应的表情+加上原有人脸的身份特征 = 对应人脸的相应表情其...

Posted by enoshx on June 16, 2019

Enosh Blog