【代码】【GAN】pix2pix算法的数据集制作。

简单的说链式法则就是原本y对x求偏导，但是由于过程较为复杂，我们需要将函数进行拆分，通过链式进行分别求导，这样会使整个计算更为简单。假设f = k ( a + b c ) f = k(a + bc)f=k(a+bc)通俗来说，链式法则表明，知道z相对于y的瞬时变化率和y相对于x的瞬时变化率，就可以计算z相对于x的瞬时变化率作为这两个变化率的乘积。其实就是求复合函数导数的过程。用链式法则（将这些梯度

ConnectionRefusedError: [WinError 10061] 由于目标计算机积极拒绝，无法连接

查看pytorch的版本、测试cuda是否可用及其数量、查看GPU的版本的代码

简单的说链式法则就是原本y对x求偏导，但是由于过程较为复杂，我们需要将函数进行拆分，通过链式进行分别求导，这样会使整个计算更为简单。假设f = k ( a + b c ) f = k(a + bc)f=k(a+bc)通俗来说，链式法则表明，知道z相对于y的瞬时变化率和y相对于x的瞬时变化率，就可以计算z相对于x的瞬时变化率作为这两个变化率的乘积。其实就是求复合函数导数的过程。用链式法则（将这些梯度

计算机视觉—图像处理—opencv基础学习，图片数据的读取，视频数据的读取。

CNN卷积运算通过滑动窗口（卷积核）提取图像局部特征（边缘、纹理等），利用参数共享和局部感受野显著减少计算量。卷积核与输入局部区域进行元素相乘求和，步长和填充控制输出尺寸。多通道输入时各通道独立计算后叠加。与数学卷积不同，CNN不翻转核而直接计算（互相关），但因权重可学习效果等价。这种机制赋予CNN平移不变性，使其成为计算机视觉的核心工具。

Unet3+使用全尺度的跳跃连接把不同尺度的特征图相融合，并且通过深度监督从多尺度聚合的特征图中学习特征表达，此外还提出了一种混合损失函数，将分类任务和分割任务相结合可以增强器官边界和减少非器官图像的过度分割，从而获得更准确的分割结果。

【代码】【Anaconda环境问题】在anaconda中创建虚拟环境失败的解决方法。

深度学习里在pycharm中用pytorch进行训练时，报错win的大小不合适的情况解决方案