背景：计算深度学习模型参数量有现成的脚本可供使用，如下。简单的使用方法参考了代码【2】依赖包介绍：pytorch框架中卷积网络的flops计数器：ptflops安装：pip install --upgrade git+https://github.com/sovrasov/flops-counter.pytorch.git##or#pip install ptflops说明【1】：此脚本用于计算乘

背景参加了2021年全国研究生数学建模竞赛，组队算上我一共三人，由于第一次参加，之前都没有参加过比赛，没有经验，开赛第一天一块商量了选择哪个题目，确定了空气质量预报，第二天分配了下工作，开始做题。历程我的任务是对数据进行处理，并做第1、2题。经验不足导致我花了将近两天的时间对数据进行处理，好在小伙伴们都不划水，能够容忍我的速度。处理的过程中，一度便想放弃... 但是我的任务数据预处理是所有题目得先

三、实验原理：1、 条件随机场:生成式概率图模型是直接对联合分布进行建模，如隐马尔可夫模型和马尔可夫随机场都是生成式模型。判别式概率图模型是对条件分布进行建模，如条件随机场Conditional Random Field:CRF。条件随机场是用来标注和划分序列结构数据的概率化结构模型。对于给定的输出，标识序列Y和观测序列X，条件随机场通过定义条件概率P(Y|X)，而不是联合概率分布P(X, Y)来

imageio.get_reader(uri, format=None, mode='?', **kwargs)参数uri:{str, pathlib.Path, file}读取的源，例如文件名、pathlib.path、http地址或文件对象，format:str用于读文件，默认系统基于文件名选择合适的.mode:{‘i’, ‘I’, ‘v’, ‘V’, ‘?’}用来读取的文件的格式（ “i”

背景：计算深度学习模型参数量有现成的脚本可供使用，如下。简单的使用方法参考了代码【2】依赖包介绍：pytorch框架中卷积网络的flops计数器：ptflops安装：pip install --upgrade git+https://github.com/sovrasov/flops-counter.pytorch.git##or#pip install ptflops说明【1】：此脚本用于计算乘

风扇：利民c12cw20*4。电源：振华1600w(买大了)1900。内存：金百达DDR516g*2 （可以买大点）280*2。

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

背景：由于论文需要，我将测试代码进行了修改，融入了LPIPS等指标，关于LPIPS介绍，可以查看博客：LPIPS图像相似性度量标准：The Unreasonable Effectiveness of Deep Features as a Perceptual Metric_Alocus的博客-CSDN博客_lpips度量代码：代码中有两大部分需要进行修改，我在代码中进行了标注。有疑问欢迎联系交流。

以下代码根据实验需要进一步了修改，尚有不完善之处，多多指教！#coding:utf-8# import cv2# import os# import glob# import cv2, math# import numpy as np# Copyright (c) Microsoft Corporation.# Licensed under the MIT License.# import os.

生成器：OUTPUT_CHANNELS = 3def downsample(filters, size, apply_batchnorm=True):initializer = tf.random_normal_initializer(0., 0.02)result = tf.keras.Sequential()result.add(tf.keras.layers.Conv2D(filters,