LINUX下深度学习环境配置环境：Ubuntu 16.0，python 2.7.91.首先安装好LUNUX2.呼出命令行CTRL+ALT+T3.检测是否安装python，一般LINUX默认安装python直接在命令行输入:python会显示python的版本号，python2.7.9以上版本默认安装pip。可以看到我的版本号是2.7.12，否则进行步骤4，quit(

重新评估数据增强方式是simclr取得成功的关键之一,之前的文章设计了一系列复制的数据增强,我们发现只需要随机裁剪就够了如图3所示，它创建了一系列包含上述两个任务的预测性任务。数据增强操作的组成对于学习良好的表示形式至关重要为了系统地研究数据扩充的影响，我们在这里考虑几种常见的扩充。一类扩充涉及数据的空间/几何变换，例如裁剪和调整大小（水平翻转），旋转（Gidaris等，2018）和剪切（De-V

LINUX下深度学习环境配置环境：Ubuntu 16.0，python 2.7.91.首先安装好LUNUX2.呼出命令行CTRL+ALT+T3.检测是否安装python，一般LINUX默认安装python直接在命令行输入:python会显示python的版本号，python2.7.9以上版本默认安装pip。可以看到我的版本号是2.7.12，否则进行步骤4，quit(

https://zhuanlan.zhihu.com/p/132561405模型量化是一种将浮点计算转成低比特定点计算的技术，可以有效的降低模型计算强度、参数大小和内存消耗，但往往带来巨大的精度损失。尤其是在极低比特(<4bit)、二值网络(1bit)、甚至将梯度进行量化时，带来的精度挑战更大。Part 1 量化综述什么是模型量化？为什么要进行模型量化？模型量化是由模型、量化两个词组成。我们

人脸识别中的一个常用概念是全脸/中脸/半脸下面讲一下区别目前DeepFaceLab拥有三种不同类型的脸部模式，H64和H128是半脸(half face)模型，DF LIAEF128 Quick96是全脸(full face)模型，SAE SAEHD拥有半脸 (half face) 和中脸 (medium face) 和全脸(full face)三种模式，本篇文章就说一说这些“脸”的区别。半脸模型

文章目录1、torch.max()2、torch.min()3、 torch.maximum()4、torch.minimum()获得 Tensor 元素中的最大值、最小值1、torch.max()torch.max(input, dim, keepdim=False)返回命名元组（最大值，最大值索引），最大值是给定维度中的最大值，索引为在对应维度中的索引当有多个最大值时，返回第一个最大值的索引当

在数字信号处理中常常需要用到离散傅立叶变换(DFT)，以获取信号的频域特征。尽管传统的DFT算法能够获取信号频域特征，但是算法计算量大，耗时长，不利于计算机实时对信号进行处理。因此至DFT被发现以来，在很长的一段时间内都不能被应用到实际的工程项目中，直到一种快速的离散傅立叶计算方法——FFT，被发现，离散傅立叶变换才在实际的工程中得到广泛应用。需要强调的是，FFT并不是一种新的频域特征获取方式，而

一文搞懂map值翻译：https://medium.com/@jonathan_hui/map-mean-average-precision-for-object-detection-45c121a31173目标检测中的mAP（平均精度）英文全称：mean Average PrecisionAP（平均精度）是衡量目标检测算法好坏的常用指标，在Faster R-CNN，SSD等算法中作为评估...

摘要：使用python的时候在windows的环境下习惯使用pycharm，一到linux底下有点不适用，所以在linux底下安装了pycharm.分为以下三步1.下载pycharm linux版本安装包2.实现虚拟机与windows共享文件3.在linux下安装pycham4.导入我们windows底下pycharm的设置

python自己编写模块       摘要：我们在学习Python的过程中，经常会有重复的代码，或者项目工程过大，这个时候我们把一些代码写成模块的形式调用时很方便的，同时学会怎么编写模块，也有助于我们观看其他人的代码，提高分析纠错的能力，下面将介绍Python模块的基本概念以及如何编写自己的模块。                1.1  模块的意义        引用：http