我用的是 tensorflow 1.9 GPU 版本，模型意外中断后想继续训练模型。使用 restore 的时候出现了如题的报错。经过检查，发现是缺乏 checkpoint 文件。tensorflow 在保存模型时，会产生以下四个文件：存储网络结构.meta、存储训练好的参数.data和.index、记录最新的模型checkpoint。当使用saver.resto...

该文章最大的特点在于使用了k-sigma变换，去掉数据的噪声强度对于ISO的依赖，某种程度上算是降低了训练数据的难度，本质上是借鉴VST(variance stabilizing transformations )的思想。该文章最大特点我认为是提出了一种为可用的现代数码相机校准噪声参数的方法，噪声模型建模方式为常见的 k-sigma 参数标定模型。该文章最大特点我认为是改善了 ELD（下文） 的校

我最近在阅读 ICCV 关于神经网络模型压缩与加速的文章，顺藤摸瓜阅读了 Hinton 等大佬们在这方面的开山巨作（Distilling the Knowledge in Neural Network）。文章很有创意，做点笔记。文章针对的是分类问题，其主要工作解决两个问题：如何把大型网络压缩成小型网络？如何训练多个网络后融合模型以提高网络表现能力又不占用过大内存？（解决...

我最近在阅读 ICCV 关于神经网络模型压缩与加速的文章，顺藤摸瓜阅读了 Hinton 等大佬们在这方面的开山巨作（Distilling the Knowledge in Neural Network）。文章很有创意，做点笔记。文章针对的是分类问题，其主要工作解决两个问题：如何把大型网络压缩成小型网络？如何训练多个网络后融合模型以提高网络表现能力又不占用过大内存？（解决...

1 数据介绍    数据由Home Credit提供，该服务致力于向无银行账户的人群提供信贷（贷款）。预测客户是否偿还贷款或遇到困难是一项重要的业务需求，Home Credit将在Kaggle上举办此类竞赛，以了解机器学习社区可以开展哪些模式以帮助他们完成此任务。 有7种不同的数据来源： application_train / application_test：主要的培训和测试数据以及关于Home

这个约束的意思是：critic 相对于原始输入的梯度的 L2 范数要约束在1附近（双边约束）（原文作者给了一个命题：在最优的优化路径上（把生成分布推向真实分布的“道路”上），critic函数对其输入的梯度值恒定为1）原因在于：WGAN采用了权重修剪（weight clipping）策略来强行满足critic上的Lipschitz（利普希茨）连续的约束（“Lipschitz 连续”，意思就是定义域内

。

根据交叉点选取位置的不同，style组合的结果也不同。可以提高数据分布的整体密度，把分布稀疏的数据点都聚拢到一起，类似于PCA，做法很简单，首先找到数据中的一个平均点，然后计算其他所有点到这个平均点的距离，对每个距离按照统一标准进行压缩，这样就能将数据点都聚拢了，但是又不会改变点与点之间的距离关系。，它的作用是生成图像，创新之处在于给每一层子网络都喂了 A 和 B，A 是由 w 转换得到的仿射变换

    本博客是博主在学习了两篇关于 “House Prices: Advanced Regression Techniques” 的教程 （House Prices EDA 和 Comprehensive data exploration with Python ）后的总结，重点在于探究如何分析真实数据的分布以及如何对数据进行预处理，同时强化 pandas 和 seaborn 包的操作技巧。 

trainGAN 训练的网络是生成器和判别器，生成器用于生成图像，判别器辅助生成器的训练。Diffusion 训练的噪声评估网络。sampleGAN 推理快，GAN的生成网络有维度变化。Diffusion 推理慢，需要迭代更多次，推理过程图像尺寸不变。训练难度GAN 的训练可能是不稳定的，容易出现模式崩溃和训练振荡等问题。Diffusion 训练loss收敛性好，比较平稳。模拟分布连续性Diffu