Kubernetes跨StorageClass迁移，切换Rainbond默认SC
生的 Kubernetes 集群中，通过 StorageClass 创建的 PVC 是无法修改存储后端的，需要将 PV、PVC 删除后通过新的 StorageClass 创建新的 PVC，然后再将数据迁移，再重新挂载 PVC。当有很多个 PVC 时，需要多次重复的操作。而 Rainbond 虽然也是通过 StorageClass 创建的 PVC，但相比原生 Kubernetes 省去了创建 PV、P...
图像风格迁移的发展历程
风格迁移的发展历程可大致分为三个阶段： 1、 传统的图像风格迁移（Traditional style transfer） 在计算机视觉领域，风格迁移被视为纹理合成的扩展问题，当时甚至连名字都没有，更多的叫法是纹理迁移（texture tansfer），因为风格其实也可以看作一种纹理。假如在合成纹理图的时候刻意的保留一些语义信息（即输入图的内容信息），那就得到了风格迁移的结果。这一方法没有流行起来的原因...
Django 数据库迁移（Django-04）
一 数据库迁移 数据库迁移是一种数据库管理技术，它用于在应用程序的开发过程中，根据模型（Model）的变化自动更新数据库结构，以保持数据库与代码模型的一致性。数据库迁移的主要目的是确保数据库与应用程序的模型定义同步，同时尽量减少手动操作数据库的需求。 模型（Model）：在应用程序中，模型定义了数据的结构和关系。每个模型对应数据库中的一张表，模型的字段对应表的列。模型定义通常位于 Django 中的 ...
.Net开源迁移框架FluentMigrator的使用。
新增字段，删除字段；修改字段属性等等。而且需要开发环境、测试环境和生产环境进行同步。如果使用的是EF，还是挺方便的。而非EF环境的话，就需要手工进行处理。而FluentMigrator就提供类似EF的迁移功能。 一般情况下，我们利用FluentMigrator提供的基类，编写数据结构改变的地方，然后使用FluentMigrator提供的Up()方法进行数据库迁移，使用Down()方法进行回滚操作。 我...
Perceptual Losses 风格迁移论文复现小记
看了一篇李飞飞组的论文 Perceptual Losses for Real-Time Style Transfer and Super-Resolution。论文地址为：https://arxiv.org/pdf/1603.08155.pdf))想去找找代码复现一下。原文没有提供代码，就只有找找别人按照论文细节实现的代码。不过但是论文是2016年的，距离现在2023年已经很久了，所以找到的一些...
机器学习-迁移学习
照特征分类 当源域和目标域含有一些共同的交叉特征时，我们可以通过特征变换，将源域和目标域的特征变换到相同空间，使得该空间中源域数据与目标域数据具有相同分布的数据分布，然后进行传统的机器学习。基于模型的迁移，源域和目标域共享模型参数，也就是将之前在源域中通过大量数据训练好的模型应用到目标域上进行预测。 基于关系的迁移学习方法 当两个域是相似的时候，那么它们之间会共享某种相似关系，将源域中学习到的逻辑网络...
chatgpt技术总结（包括transformer，注意力机制，迁移学习，Ray，TensorFlow，Pytorch）
开始训练一个新的模型，微调技术可以在更短的时间内获得更好的结果，并且可以减少训练时间和计算资源的需求。这两项技术提高了chatgpt的泛化能力和性能。 而且chatgpt也加入了跨语言迁移学习，就是在已有的语言模型基础上，针对另一个语言的任务进行预训练，然后再将其应用到原始语言的任务中。简单理解就是，现在英文语料库中训练英文模型，再在英文模型基础上，基于中文语料库，预训练中文模型，然后...
基于图像识别的迁移学习之一
案例分析 加载数据部分同上一个案例，只需把数据输入到预训练的VGG-16或者ResNet50中。VGG-16的网络结构为右侧图绿色栏所示，其中block1中有2个包含64个卷积核的卷积层，block2包含2个128个卷积核的卷积层，block3有3个包含256个卷积核的卷积层，block4有3个包含512个卷积核的卷积层，block5有3个包含512个卷积核的卷积层，加上2个包含4096个神经元的全连...
Chrome Extensions v3 迁移清单
一、前置问题1.1为什么需要迁移 v3？Chrome 计划完全停止 v2 版本维护，后续 v2 版本将无法上架谷歌插件商店，除此之外，未来新版本 Chrome 对于 v2 版本插件的限制会越来越大，比如安全性限制 iframe 嵌套只能通过沙盒模式数据通信传递而不能直接获取数据等等，因此 v2 迁移 v3 是必要的。1.2 v3 版本带来了什么新特性？ 更强的隐私性，这一点在权限配置上会有所体...
人脸动作迁移——基于DaGAN深度感知的生成对抗网络操作对口型数字人
前言 口播视频生成旨在合成具有源图像和驱动视频的身份和姿势信息的协同人脸视频。现有方法主要依赖于从输入图像中学到的二维表示（如外观和运动），但密集的三维面部几何信息（如像素深度）对任务至关重要。这有助于生成准确的三维面部结构，同时在复杂背景中区分噪声。然而，获取密集的三维几何标注通常成本高昂，难以用于视频生成。 一、论文解读 1.论文简介 在DaGAN这篇论文中，作者首先介绍了一种自监督的几何学习方...