PyTorch的学习和使用（三）最近在跑一个视频处理的代码，其用tensorFlow实现的，现在转换为使用PyTorch处理，主要实现如下：对原始视频的读取，得到连续的K帧存储对每帧图片数据的处理（翻转，归一化）对数据的mini-batch处理和之前博客 PyTorch(一)——数据处理，中所说的一样，需要：1）定义数据读取的方法。2）针对数据的格式，改写transforms中数据处

MOCAP(一)研究生期间做了很长时间的运动捕捉数据方向的，由于运动通过运动捕捉采集的数据比较抽象，现将数据格式的介绍和一些预处理记录下。常用的运动捕捉数据集有:CMU运动捕捉数据库HDM05数据库常用的数据格式有：ASF/AMCBVHC3D其中，ASF/AMC是由骨架数据文件（ASF）和运动数据文件（AMC）组成；BVH有2部分组成，HIERARCHY描述了运动的骨架层...

使用python版本的opencv去除图像中的光照不均匀在图像处理中，如果图像中存在光照不均匀，则会影响图像处理的效果，比如在图像文本识别和图像分割中。本博客对于图像均衡化的处理主要参考文章：一种基于亮度均衡的图像阈值分割技术，以有关于C++的实现代码：opencv 一种不均匀光照的补偿方法使用该方法主要的原因是最近在弄Tesseract的文字识别，需要识别拍摄照片中的字母，但是照片为室外拍摄..

目录连接(1) 数据处理(2) 搭建和自定义网络(3) 使用训练好的模型测试自己图片(4) 视频数据的处理(5) PyTorch源码修改之增加ConvLSTM层(6) 梯度反向传递(BackPropogate)的理解(总) PyTorch遇到令人迷人的BUGPyTorch的学习和使用（七）模型的训练和测试在训练模型时会在前面加上：model.train()在测试模型时在前

PyTorch的学习和使用（三）在上一篇文章中实现了如何增加一个自定义的Loss，以Siamese network为例。现在实现使用训练好的该网络对自己手写的数字图片进行测试。

由于写文章和跑实验的需要（在windows下写文章比较方便，linux下跑实验比较方便），弄来了两台电脑。一个linux的系统，用来跑程序，一个windows系统，用来看文章和写文章。但是由于使用2个键盘和鼠标不方便（桌子也放不下。。。），因此在网上查了下大概有三种方法可以实现。kvm切换器。这个比较适合一个屏幕两个主机的情况，而且有时我需要在2台电脑之间频繁切换，这个转换器不太实用。USB对拷

使用python版本的opencv去除图像中的光照不均匀在图像处理中，如果图像中存在光照不均匀，则会影响图像处理的效果，比如在图像文本识别和图像分割中。本博客对于图像均衡化的处理主要参考文章：一种基于亮度均衡的图像阈值分割技术，以有关于C++的实现代码：opencv 一种不均匀光照的补偿方法使用该方法主要的原因是最近在弄Tesseract的文字识别，需要识别拍摄照片中的字母，但是照片为室外拍摄..

通过字符串的方式调用模型——python最近又搞了一遍PGGAN，tensorflow版本的（progressive_growing_of_gans），里面分装的太好了，我在本地又没有对应的运行环境，通过在服务器上+大脑调试，简直头都大了，最后差不多摸清楚了整个网络的过程，其中通过字符串的方式调用相应的网络比较由意思，即可方便实现对网络进行扩展（都不用在文件中新增import [networks.

这篇博客就用来记录在使用pytorch时遇到的BUG，虽然年纪大了，但是调出BUG还是令人兴奋^_^!BUG1：在使用NLLLoss()激活函数时，NLLLoss用来做n类分类的，一般最后一层网络为LogSoftmax，如果其他的则需要使用CrossEntropyLoss。其使用格式为：loss(m(input), target)，其中input为2DTensor大小为（minibatch...