【機器學習】Deep_Adaptive_Image論文學習

本博客記錄對論文《Deep_Adaptive_Image》的學習過程，包括調通代碼和論文理解，作爲下一次論文分享會的儲備材料。

論文下載地址：（Related Material中pdf就是paper，Supp是補充材料，也可以下來看看）
Chang_Deep_Adaptive_Image.
代碼下載地址：DAC.

代碼部分

運行環境

調通代碼的過程中，環境是最麻煩的，在作者的github上只有（Keras 1.1.2 + Theano 0.8.2）這兩個的要求，但是放在現在是不太行的，所以我這裏具體記錄一下調通之後的環境：

項目	版本
ubuntu	18.04.2
cuda	9.0
cudnn	7.6.2
python	3.7
keras	1.1.2
theano	1.0.2
pygpu	0.7.6

MNIST

上來首先試一下mnist的，畢竟對這個數據集最熟悉。下面是調代碼的過程中，碰到一些要修改的地方
1、這裏的device=gpu3，要把gpu3改成cuda

os.environ['THEANO_FLAGS']='device=gpu3,lib.cnmem=1,mode=FAST_RUN,floatX=float32,optimizer=fast_compile'

2、對於代碼中有下面這三個屬性的，因爲keras版本問題，全都換成(img_rows, img_cols,img_channels)，換成這樣的順序，否則會報錯，記得換全，別漏了。

img_channels, img_rows, img_cols

3、把MNIST文件夾中的mnist.log文件換一個名字，這是作者給你的實驗結果。如果你要自己跑的話，生成的文件跟這個重名，會覆蓋。所以提前給它換個名字，方便後面再做對比

CIFAR10

要修改的地方第1點和上面mnist部分一樣
2、對於數據集的導入要進行修改

#data
nb_classes = 10
img_channels, img_rows, img_cols = 3, 32, 32
file = h5py.File('/home/changjianlong/datasets/CIFAR10.h5')
X_train = file['X_train'][:]
y_true = file['y_train'][:]
y_true = y_true.astype('int64')
file.close()

這一部分大概在98-105行左右，要修改爲

#data
nb_classes = 10
img_channels, img_rows, img_cols = 3, 32, 32
(X_train, y_train), (X_test, y_test) = cifar10.load_data()
y_true=np.array([])
for i in y_train:
    y_true=np.append(y_true,i)
# file = h5py.File('/home/changjianlong/datasets/CIFAR10.h5')
# X_train = file['X_train'][:]
# y_true = file['y_train'][:]
y_true = y_true.astype('int64')
# file.close()

論文部分

未完待續…

發現一個別人的筆記，做個標記：
https://blog.csdn.net/weyoung_/article/details/79453313