前言本文用于记录使用pytorch读取minist数据集的过程，以及一些思考和疑惑吧…正文在阅读教程书籍《深度学习入门之Pytorch》时，文中是如此加载MNIST手写数字训练集的：train_dataset = datasets.MNIST(root='./MNIST',train=True,transform=data_tf,download=True)解释一下参数datasets.MNIST

前言        最近逛知乎，发现了一个问题。        回答下很多好看的头像，因此我动了一个心思，想要制作一个小网页，可以随机返回一款好看的情头。心思既起，当然要开始付诸行动。但是想要制作如此一个网页，后台也需要拥有足够的情头头像数据，毕竟巧妇难为无米之炊嘛。      &nbsp

前言最近需要大规模下载B站视频，同时要将下载好的视频用BV号进行重命名，最后上传至服务器。这个工作一开始我是完全手工完成的，通过游猴来下载，可是下载几十个视频还好，再多一点的话真是太烦了，而且生产力低下，因此诞生了编写脚本的想法。一开始我需要在B站搜索关键词，然后不断点开视频后进行下载，同时在视频下载后还需要找到这个视频来修改BV号，效率实在太低，特别是当下载的视频多了，再返回来寻找它对应的BV号

这里写目录标题前言演示问题介绍思路代码复现尾言前言大家好，我是Ericam_。近些时间，通过一个项目接触到了邮递员算法问题，还是挺有意思的（虽然做起来经历了不少的困难）。最后勉强复现了吧，写个文章就当记录一下。演示问题介绍1962年有管梅谷先生提出中国邮递员问题（简称CPP）。一个邮递员从邮局出发，要走完他所管辖的每一条街道，可重复走一条街道，然后返回邮局。任何选择一条尽可能短的路线。当邮递员可以

前言本文用于记录使用pytorch读取minist数据集的过程，以及一些思考和疑惑吧…正文在阅读教程书籍《深度学习入门之Pytorch》时，文中是如此加载MNIST手写数字训练集的：train_dataset = datasets.MNIST(root='./MNIST',train=True,transform=data_tf,download=True)解释一下参数datasets.MNIST

前言pixel2stylepixel是人脸编辑中比较重要的encoder方法，这里针对理论部分作简要记录。论文Code介绍stylegan可以随机生成图片（人脸、动漫、汽车等），通过MLP实现了一个从离散的潜空间到人脸图像的可控、可编辑的人脸生成器。但是当我们想对真实世界的人脸图像进行人脸编辑时，需要首先把图像投射到latent space里生成latent code，然后再通过stylegan进

paperPTI: Pivotal Tuning for Latent-based Editing of Real Images2022 ACM TOGStyleGan 人脸编辑相关人脸投影paper code在StyleGAN中，编辑图像前，必须首先将图像投影到latent space，然后事实证明，StyleGAN的latent space在失真和可编辑性之间存在固有平衡，即图像在近似保持原始

论文Link代码地址前言​该项目主要实现了face-reenactment，人脸3D控制和语音驱动图像，不局限于特定人物，使用预训练模型可以针对任一人物完成。（项目源代码里没有写出，简单修改一下就可以）。​下面给出一点我个人实验过程中的截图（vox数据集实验截图可见项目地址或论文）：由于是自定义的源图，可能加载图像通道需要调整，所以会出现有点发白的情况。实验过程中发现针对自定义的图，wrap效果较

前言本文用于记录使用pytorch读取minist数据集的过程，以及一些思考和疑惑吧…正文在阅读教程书籍《深度学习入门之Pytorch》时，文中是如此加载MNIST手写数字训练集的：train_dataset = datasets.MNIST(root='./MNIST',train=True,transform=data_tf,download=True)解释一下参数datasets.MNIST

前言默认您已经配置好相关环境。如若没有，可以自行搜索“EasyX”下载安装。本教程主要从代码方面讲解算法的实现。至于理论部分还请大家自行搜索其他文章。（该类文章非常多）种子填充算法演示视频核心代码void FloodFILL(int x, int y, int bodercolor, int newcolor){int color = getpixel(x,y);if ...