nohup和&组合使用nohup python file.py > filelog.txt 2>&1 &上述代码的组合使用就能够避免终端关闭、服务器断开等情况导致的模型训练终止。参数解释：filelog.txt：> 表示把标准输出（STDOUT）重定向到这个文件，这里重定向到了当前目录下的filelog.txt里，若没有此文件会自动生成。若没有特别指定，默

Focal Loss本质Focal Loss本质上解决了分类问题中类别不均衡、分类难度差异的一个损失函数，使得训练更加聚焦在困难样本上。Focal Loss的发展演化Focal Loss是从二分类问题出发，同样的思想可以迁移到多分类问题上。标准交叉熵我们知道二分类问题的标准loss是交叉熵：对于二分类问题我们也几乎适用sigmoid激活函数y^=σ(x)\hat{y} = \sigma(x)y^​

一.原始GAN存在的训练崩溃问题所谓GAN的训练崩溃，指的是训练过程中，生成器和判别器存在一方压倒另一方的情况。GAN原始判别器的Loss在判别器达到最优的时候，等价于最小化生成分布与真实分布之间的JS散度，由于随机生成分布很难与真实分布有不可忽略的重叠以及JS散度突变特性，使得生成器面临梯度消失的问题；可是如果不把判别器训练到最优，那么生成器优化的目标也就失去了意义。因此需要我们小心的平衡二..

Wider face数据集地址Widerface数据集是一个人脸检测的主流数据集。里面有32203张人脸图像，393703个标注人脸，且各类场景十分复杂。为了深入分析各类误检，作者还对每个人脸bbox还标注了多属性：遮挡、姿态、事件等，可以全方位多角度的评估算法的性能。wider face可以划分为60类事件，每类事件中的图像按照：训练 / 验证 / 测试：40% / 10% / 50%的比例划分

函数原型为：torch.nn.AdaptiveMaxPool2d(output_size, return_indices=False)对于输入信息，提供2维的自适应最大池化操作。对于任何输入大小的输入，可以将输入尺寸指定为H * W，但是输入和输出特征的数目不会变化。参数：output_size：输出信息的尺寸，可以用（H，W）表示 H * W的输出，也可以用数字H表示H * H大小的输出...

一般在深层神经网络中，我们需要预防梯度爆炸和梯度消失的情况。梯度消失（gradient vanishing problem）和梯度爆炸（gradient exploding problem）一般随着网络层数的增加会变得越来越明显。例如下面所示的含有三个隐藏层的神经网络，梯度消失问题发生时，接近输出层的hiden layer3的权重更新比较正常，但是前面的hidden layer1的权重更新会变得很

Toet A. TNO Image fusion dataset. (117.03 MB)——红外和可见光图像序列网址：https://figshare.com/articles/TN_Image_Fusion_Dataset/1008029（内容很丰富，常用的图像都是从该库里挑出来的。论文中也常引用该网址。）简介：“The TNO Image Fusion Dataset contain...

EfficientNet论文链接EfficientNet开源代码Efficientnet是通过使用深度（depth）、宽度（width）、输入图片分辨率（resolution）共同调节技术搜索得来的模型。EfficientNet结构模型构建方法：使用强化学习算法实现的MnasNet模型生成基线模型EfficientNet-B0。（MnasNet模型是Google 团队提出的一种资源约束的终端 CN

匹配数据的图像转换Pix2Pix在图像到图像的转换这个领域中有很好的应用，它能够面向所有匹配图像数据集的训练和生成。匹配数据集是指在训练集中两个互相转换的领域之间有很明确的一一对应数据。比如下面的三个例子：在工程实践中研究者需要自己收集这些匹配数据，但有时同时采集两个不同领域的匹配数据是非常麻烦的，通常采用的方案是从更完整的数据中还原简单数据。有了匹配数据集的存在，深度学习领域的研究...

Dice系数在图像分割和目标检测中比较常用。它的取值范围是0-1之间，越接近1说明模型效果越好。Dice系数是像素级别的，真实的目标出现在某片区域A，我们的模型预测的目标区域为B，那么Dice系数公式如下所示：...