電腦視覺模型學習Day-1
這樣研究所寫模型需要花的電費和網路費用就可以回到學校了
不用一直燒家裡的電費
看能不能支撐我多花點時間跑模型
來學校建立環境第一天
覺得Anaconda很容易打不開
直接轉Docker
然後發現學校網路雖快但還是成為寫模型的瓶頸
也發現原來要設定可以寫模型的環境其實還蠻耗時間的
奉勸大家
真的要用學校的網路建立模型訓練所需的環境
請避開大家都在用網路的時間
原始程式碼: def generate_pattern(layer_name, filter_index, size=150): # 構建一個最大化激活的 損失函數 loss function # 考慮的層的 第n個 filter layer_output = model.get_layer(layer_name). output loss = K.mean(layer_output[:, :, :, filter_index]) # 計算這種損失的輸入圖像的梯度 grads = K.gradients(loss, model.input)[0] # Normalization gradient 梯度 grads /= (K.sqrt(K.mean(K.square(grads) )) + 1e-5) # 函數返回 給定 輸入圖片的 損失 和 梯度 iterate = K.function([model.input], [loss, grads]) # 帶有一些噪音的灰色圖像 input_img_data = np.random.random((1, size, size, 3)) * 20 + 128. # Run 梯度上升 40步 step = 1. for i in range(40): loss_value, grads_value = iterate([input_img_data]) input_img_data += grads_value * step img = input_img_da...
评论
发表评论