实验数据1
from torch import nn
import torch
import numpy as np
import os
os.environ['CUDA_VISIBLE_DEVICES']='1'class CharbonnierLoss(nn.Module):
"""L1 Charbonnierloss."""
def __init__(self):
super(CharbonnierLoss, self).__init__()
self.eps = 1e-6
def forward(self, X, Y):
diff = torch.add(X, -Y)
error = torch.sqrt(diff * diff + self.eps)
# print(error)
loss = torch.sum(error)
return lossclass Conv_ReLU_Block(nn.Module):
def __init__(self,in_channels=64,out_channels=64,kernel_size=3):
super(Conv_ReLU_Block, self).__init__()
self.conv = nn.Conv2d(in_channels=in_channels, out_channels=out_channels, kernel_size=kernel_size, stride=1, padding=kernel_size//2, bias=False)
相关文章
- sql 获取下一条或上一条数据,史上最简单的sql语句
- Google Earth Engine ——全球陆地数据同化系统(GLDAS)摄取了卫星和地面观测数据产品大气分析场、降水场和辐射场数据集
- Google Earth Engine ——数据全解析专辑(AHN Netherlands 0.5m DEM, Interpolated)荷兰0.5m 点云平方逆距离加权方法DEM!
- 从实验角度来验证混沌数据可以被预测吗?
- 苹果悄悄补上了可被未授权收集传感器数据的iPhone漏洞
- Echarts + vue + koa2实现数据同页面,切换全屏内容
- 大数据学习——akka学习
- 大数据进入人工智能时代:2017年大数据生态地图新鲜出炉
- Fundebug JavaScript插件支持监控HTTP请求数据
- EF Core 关联数据
- 【MySQL】实验一 数据定义
- 一个自带简易数据集的模拟线性分类器matlab代码——实验训练
- 大数据技术基础实验九:Hive实验——部署Hive
- 大数据编程实验二:RDD编程
- 大数据编程实验一:HDFS常用操作和Spark读取文件系统数据
- 大数据编程技术基础实验八:Flume实验——文件数据Flume至HDFS
- 大数据编程技术基础实验六:ZooKeeper实验——进程协作
- 大数据技术基础实验五:Zookeeper实验——部署ZooKeeper
- 大数据技术基础实验四:HDFS实验——读写HDFS文件