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

LSGAN（Least Squares GAN）这篇文章主要针对标准GAN的稳定性和图片生成质量不高做了一个改进。作者将原始GAN的交叉熵损失采用最小二乘损失替代。LSGAN的Loss：min⁡DJ(D)=min⁡D[12Ex∼pdata(x)[D(x)−a]2+12Ez∼pz(z)[D(G(z))−b]2]\mathop{\min }\limits_DJ(D)=\mathop{\min}\li.

在目标检测领域可以划分为人脸检测与通用目标检测，往往人脸检测这方面会有专门的算法（包括人脸检测、人脸识别、人脸其他属性的识别等等），并且和通用目标检测（识别）会有一定的差别，这主要是因为人脸的特殊性（有时候目标比较小、人脸之间特征不明显、遮挡问题等），下面我们将从人脸检测和通用检测两个方面来讲解目标检测。...

其中iii为每一个类别。针对类别不均衡问题，增加权重项：多标签分类时，BCE损失结合sigmoid来使用，经过classifier分类过后的输出为（batch_sizze，num_class）为每个数据的标签,标签不是one-hot的主要体现在sigmoid（output）之后进行bceloss计算的时候：sigmoid输出之后,仍然为（batch_sizze，num_class）大小的，但是是每

首先，最小二乘法适用于有限样本。而最小均方误差适用于无限样本。通常我们所说的狭义的最小二乘，是指在线性回归下采用最下二乘准则，进行线性拟合参数求解。由于是基于线性回归，所以可以很容器求出全局最优解，而不是像梯度下降那样一点点的迭代优化最后达到极值点。而广义的最小二乘，本质上是一种目标函数。比如说我们在优化深度神经网络模型时，也可以用最小二乘去衡量某一拟合结果相对于ground truth的偏差程度

torchvision.transforms.functional.pad(img, padding, fill=0, padding_mode='constant')这个函数用于用指定的填充模式和填充值填充PIL图像。参数：img（PIL图像）-- 要填充的图像。padding（int或tuple）-- 各边的填充值。如果指定为int，表示所有边都按照这个值进行填充。如果指定为长为2...

PyTorch中的repeat()函数可以对张量进行复制。当参数只有两个时，第一个参数表示的是复制后的列数，第二个参数表示复制后的行数。当参数有三个时，第一个参数表示的是复制后的通道数，第二个参数表示的是复制后的列数，第三个参数表示复制后的行数。接下来我们举一个例子来直观理解一下：>>> x = torch.tensor([6,7,8])>>> x.r...

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

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：...

FLOPS（全大写） ：是floating point operations per second的缩写，意指每秒浮点运算次数，理解为计算速度。是一个衡量硬件性能的指标。FLOPs（s小写） ：是floating point operations的缩写（s表示复数），意指浮点运算数，理解为计算量。可以用来衡量算法/模型的复杂度。我们来计算一个卷积的FLPOs：卷积层（不考虑激活函数）：(2×Cin