只有注册用户登录后才能阅读该文。 阅读全文
摘要：
一篇GAN与AE结合的文章，用于探索AE相较GAN的生成能力和解耦a56爆大奖在线娱乐。构建了两种AE：MLP和StyleGAN。结构如下： 把原生GAN中的G分解为F与G的映射，D分解为E与D的映射： F是一个确定性的映射，将噪声z编码成隐变量w。 E和G是随机的，G同时取决于隐变量w和噪声的输入。E将生成的图像 阅读全文
摘要：
这篇文章给出了用元学习做few-shot的baseline。整体感觉是实验做得很丰富，但是创新不太明显，简单总结一些实验过程和结论。code：https://github.com/cyvius96/few-shot-meta-baseline。 关于元学习和few-shot的基本内容有个很好的解释： 阅读全文
摘要：
转载于：Model-Agnostic Meta-Learning （MAML）模型介绍及算法详解 MAML在学术界已经是非常重要的模型了，论文Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks自2017年发表至今已经收获 阅读全文
摘要：
a56爆大奖在线娱乐用正交softmax层来减轻少样本分类利用NN做易过拟合的问题。思路是：对于分类器的分类权重层，令其正交化。就是分类器的权重向量两两正交化。原理比较清晰易懂，实现时将权重向量的部分链接进行移除（dropout），但是这个移除在训练和测试是固定的，不是学习的，没有在优化过程中进行限制。a56爆大奖在线娱乐的方法叫 阅读全文
摘要：
一篇总结整理近来few-shot分类的文章（近来文章一些毛病：code实现细节很难说清真正的gain在哪，一些baseline被压得太低，base类和novel类之间的域差异不明显导致评估也不可能不太准）。作者复现了一下主要的几篇工作，然后总结如下：更深的backbone在不同域上的表现对于不同方法 阅读全文
摘要：
提出a56爆大奖在线娱乐成为MFR（Meta Face Recognition）的方法用于解决在未知域模型泛化的paper。如下图所示，左边为四个源域，右边为5个目标域，通过将源域迭代划分成meta-train/meta-test集合可以提升模型的迁移性能，使得在未知域上也会能有较好的结果。 在真实应用中通常有两种 阅读全文
摘要：
这篇换脸paper分析：/king-lps/p/12234114.html 论文复现地址：https://github.com/SirLPS/face_shifter 由于暂时只有一张卡，bs设为5，训练数据只利用了vggface。其他操作基本与论文一致 阅读全文
摘要：
指定当前程序使用的 GPU 首先，通过 tf.config.list_physical_devices ，a56爆大奖在线娱乐们可以获得当前主机上某种特定运算设备类型（如 GPU 或 CPU ）的列表，例如，在一台具有 4 块 GPU 和一个 CPU 的工作站上运行以下代码： gpus = tf.config.lis 阅读全文
摘要：
TF2默认的即时执行模式（Eager Execution）带来了灵活及易调试的特性，但在特定的场合，例如追求高性能或部署模型时，a56爆大奖在线娱乐们依然希望使用 TensorFlow 1.X 中默认的图执行模式（Graph Execution），将模型转换为高效的 TensorFlow 图模型。此时，TensorF 阅读全文