是的,鸽子了很久。不过也不是没做事情,但是不是很规整。

220604-0605

内容

失眠了比较多,所以做的事情很少

  1. d2l CNN 内容算是过了一遍。
  2. Likelihood Regret: An Out-of-Distribution Detection Score For Variational Auto-encoder 结束,不过还没有写总结,这个还是要做一下,做完可以搞新的论文了。

明日

  1. d2l modern CNN
  2. Likelihood Regret: An Out-of-Distribution Detection Score For Variational Auto-encoder 总结 + 实验代码

220602-03

内容

  1. 阅读论文 Likelihood Regret: An Out-of-Distribution Detection Score For Variational Auto-encoder,跑对应论文的实验。主要理解了 VAE 的结构和原理,了解了一下基于 likelihood 的 OOD 检测。(有一个 score function,计算出对应值,再设一个阈值,超出就是 OOD。而这个对应值一般是要基于模型输出进行计算,例如计算 NLL。)有一说一,真的花了很久的时间,代码涉及的变量名很有可能是在其他论文中提及。
  2. d2l 5.3 - 5.5。主要是自定义 layer 、存储加载模型参数和 GPU 的知识。

明日

  1. Likelihood Regret: An Out-of-Distribution Detection Score For Variational Auto-encoder 实验代码还剩计算 NLL。
  2. 两篇 likelihood 的文章需要总结。首先要通过实验搞懂他是怎么去估计的。
  3. d2l CNN 内容。

220531-0601

内容

  1. 配置环境,这里好多坑,感谢老哥帮助我才搞定,但是对于 styleGAN 来说,我的配置没有办法支撑。
  2. 阅读论文 Likelihood Ratios for Out-of-Distribution Detection
  3. 阅读论文 Likelihood Regret: An Out-of-Distribution Detection Score For Variational Auto-encoder
  4. Likelihood Regret: An Out-of-Distribution Detection Score For Variational Auto-encoder 对应的实现代码还在学习,尝试做一些实验。

明日

  1. Likelihood Regret: An Out-of-Distribution Detection Score For Variational Auto-encoder 对应实验。
  2. 两篇 likelihood 的文章需要总结。首先要通过实验搞懂他是怎么去估计的。

220530

内容

  1. d2l-pytorch 5.1-5.2。block 是一个概念,可以是一整个网络或一个层。如何自定义 block。如何自定义 sequential,注意利用 _modules。关于参数的获取:start_dict(),named_parameters(),网络可以用 index 索引.add_module 可以为 net 添加 block。参数的初始化的几种方式。基本利用 apply,要写 init 函数。剩下分别就是用 nn.init 或者用不同的方式对 weight 进行初始化。最后学了一下共享参数,其实就是一个 module 被两个层共享,所以变化会同步到对应的所有层。
  2. Likelihood Ratios for Out-of-Distribution Detection 的 abstract, introduction, backgroud.

明日

  1. Likelihood Ratios for Out-of-Distribution Detection 优先 result,experiment 略读,最后做个总结
  2. d2l-pytorch 5.3-5.4

添加新评论

仅有一条评论

  1. 炮佬忠实小迷弟

    日常串门。老哥无敌!