使用Anaconda中的pip命令报错:pip is configured with locations that require TLS/SSL 错误内容 [crayon-6744bce474160021010912/…
标签:python
jupyterhub cross origin [解决跨域问题]
前言 这几天想做一个通过jupyter api实现的自制前端UI,而访问api的方式自然选择了使用ajax。本以为这会是一个很简答的任务,但是实际操作起来,发现利用ajax访问jupyter api时存在跨域的问题,由于…
皮尔逊相关系数(Pearson Correlation Coefficient)
概述 Pearson相关系数是最常用的相关系数,又称和差相关系数,取值-1到1,绝对值越大,说明相关性越强。该系数的计算和检验为参数方法,适合做连续变量的相关性分析,适用的条件如下: 两个变量呈直线相关关系或正态分布,非…
'Sorry 有钱真的能为所欲为' 简易版GIF动图生成
最近”Sorry 有钱真的能为所欲为”GIF突然爆红网络,那种贱贱的表情,可以给人暴击 于是产生念头,自己做一个Sorry GIF的字幕合成器,嘿嘿 由于时间仓促+智商有限,我仅仅做了一个简易的版…
DCGAN(3):源代码采坑记录!+RUN起来!
坑1: [crayon-6744bce475203252632487/] 解决办法: 在main.py中把 [crayon-6744bce475208418722388/] 修改为 [crayon-6744bce4752…
DCGAN(2):代码解读
实例化DCGAN [crayon-6744bce475434414528667/] batch_size 网络迭代同时处理的图像数量,共同决定网络该怎么更新 c_dim 输入图像的通道数,彩色图为3 dataset 数据…
DCGAN(1):网络模型架构
DCGAN的网络架构图 生成网络: 判别网络 生成网络架构解读 DCGAN生成网络的目的是使100维随机初始化的向量转换成64*64*3的真实数据 1——>2 全连接层、reshape 由于输入的是100维的向量,…
GAN(4):训练对抗生成网络
在前面三篇博文中,我们已经完成了三个网络的构建、损失函数的构造 接下来,就是激动人心的训练时刻了 训练预先判别D_pre网络 [crayon-6744bce475749428443845/] 首先确定D_pre的训练次数…
GAN(3):构造损失函数
在前面两篇中,我们完成了生成网络和判别网络的构造,构造完成之后,我们构造一个损失函数,使得最终两个网络能够相互打架,相互进步 我们希望,对于真实数据,通过判别网络D后,能够认定为1(真实),而对于生成的数据,我们则希望其…
GAN(2):构造生成与判别网络模型
在前一篇中,我们定义了一个预先判别网络D_pre,从而得到了判别网络D的初始化权重wb,使得判别网络更精准。 在这一篇中,我们将构造一个生成网络模型,用于生成新的数据 生成网络构造 [crayon-6744bce475e…