文章目录Visdom介绍Visdom安装Visdom训练测试过程Visdom介绍在训练深度学习网络的时候，小伙伴尝试对训练过程可视化很多都会用tensorboard或者tensorboardx，但是这些是针对tensorflow设计的。对于pytorch的用户，使用该包之前还要安装tensorflow，而且训练过程的loss不能动态的查看，在本文钟将介绍FaceBook开发的一款开源数据可视化工具

identity loss是Cycle Gan中很重要的一个损失函数，它的作用是保留输入和输出颜色组成的一致性，如果不添加该loss的话，生成器可能会自主地修改图像的色调，是的整体的颜色发生改变，如下图所示>![在这里插入图片描述](https://img-blog.csdnimg.cn/19ce3f4abba94f469b236134b40d5d8c.png?x-oss-process=i

常见量化方式介绍 对称、非对称量化 dynamic_fixed_point量化 混合量化等等

分析总结python、pytorch常见浅拷贝和深拷贝操作原理

模拟人脸光照，阴影，遮挡的数据增强

numpy和pytorch最经典的、最常用的随机数划分方法总结

identity loss是Cycle Gan中很重要的一个损失函数，它的作用是保留输入和输出颜色组成的一致性，如果不添加该loss的话，生成器可能会自主地修改图像的色调，是的整体的颜色发生改变，如下图所示>![在这里插入图片描述](https://img-blog.csdnimg.cn/19ce3f4abba94f469b236134b40d5d8c.png?x-oss-process=i

内容介绍在调用pytorch的损失函数时，会有一个’reduction’的参数，本文介绍使用不同的参数对应的结果，以L1 loss为例子：reduction = mean当使用的参数为 mean(在pytorch1.7.1中elementwise_mean已经弃用)会对N个样本的loss进行平均之后返回import torchimport torch.nn as nnfrom torch.auto

常见量化方式介绍 对称、非对称量化 dynamic_fixed_point量化 混合量化等等

分析总结python、pytorch常见浅拷贝和深拷贝操作原理