Python格式化配置
之前一直用autopep8
作为格式化公式,后来发现不能设置缩进两个空格就换成了yapf
。但yapf
实在是一言难尽,我不太喜欢这种整个文档都帮你格式化的,autopep8
这样可以只考虑每一行的内部的格式化就足够了,可以给程序员更多的调整空间。
之前一直用autopep8
作为格式化公式,后来发现不能设置缩进两个空格就换成了yapf
。但yapf
实在是一言难尽,我不太喜欢这种整个文档都帮你格式化的,autopep8
这样可以只考虑每一行的内部的格式化就足够了,可以给程序员更多的调整空间。
最近我开的vultr
的vps
好像全挂了,ip
貌似被用滥了,所以使用机场了。现在用的这个一年dlercloud
的一年288
的套餐还挺贵的=_=。window
下配置比较简单,下载官方提供的clash-win
然后直接登陆账号密码就完事了,Ubuntu
下面真的难倒我了,下面说下怎么配置。
本文是对旷视所提出的论文:Circle Loss: A Unified Perspective of Pair Similarity Optimization
的个人解读。
最近准备把自己写的训练框架全部升级到支持分布式以及混合精度训练,发现如果其中对于自定义层的改动还真不少。这里分享一个支持分布式以及混合精度训练的Spectral Normalization
实现。
NOTE:
这里遇到一个问题,发现混合精度训练之后GPU
使用率只有20%不到,查找一番之后发现果然有issue,貌似对于DepthwiseConv2d
的支持不好,可能要等到tf2.2
之后才可以更新了。
SimCLR
实际上是Geoffrey Hinton
和谷歌合作的论文A Simple Framework for Contrastive Learning of Visual Representations
,严格来说他是一个自监督算法,不过我这里也把他归入半监督中了,他实际上是先无监督预训练然后进行监督微调的。
对音频数据训练我认为还是对数Mel
谱图的方式比较好一下,需要一个音频版的RandAugment
,借此机会把一下Mel
谱图的增强方式汇总一下。