github无法访问或者访问速度过慢，可以访问https://gitee.com/创建gitee账号，新建仓库：然后 点击导入 输入github的网址（如https://github.com/tensorflow/docs）即可：通过此种方式访问仓库快，下载也快。如果通过命令!pip install -q git+https://github.com/tensorflow/docs安装tensor

matlab左侧当前文件夹显示，点击主页中的布局，选择默认：

一、感知相似性人类可以快速评估两幅图像之间的感知相似性，但是底层过程非常复杂。纹理图像包含了纹理颜色、纹理基元等丰富的图像信息。在计算机视觉研究领域中，人们使用感知相似性来度量不同纹理之间的相似程度，研究人类对纹理图像的视觉感知。纹理相似性度量广泛应用于纹理识别和材质识别，是对象识别和场景理解的关键技术之一。研究人员通过计算特征之间的距离度量估计纹理感知相似性。近年来，对图像网络分类进行训练的VG

前言：本来题目想作为如何学习图像去雾，去雾字如其名，而学习是学会去雾方面相关的知识。但是后来一想，每个研究方向均是一片海洋，而自己是半瓶不满的杯水，如何教别人呢，因此本文只能算作学习该领域的一个阶段性总结吧，今后或许不再研究该方向，但是它引领我正式进入科研，我也会一直保持对该领域的关注。去雾原理简单，对新手友好，下面开始。最近小半年去雾研究告一段落，前后两篇水文，一篇通过GAN无深度加雾，一篇通过

hist = pd.DataFrame(history.history)hist['epoch'] = history.epochhist.tail()def plot_history(history):hist = pd.DataFrame(history.history)hist['epoch'] = history.epochplt.figure()plt.xlabel('Epoch')pl

目录背景代码参考：背景评估模型的推理时间时有需要注意的地方。如torch.cuda.synchronize()，因为pytorch代码执行时异步的，使用该代码会等待gpu上所有操作结束后再接着运行代码、计算时间等【1】。代码函数【2】：import timedef measure_inference_speed(model, data, max_iter=200, log_interval=50)