唠唠叨叨的刷题总结,不定期更新.

这是一篇来自百度的风格迁移论文，提出了一种无参数的风格特征投影方法对原始图像进行风格迁移。下面来读读吧：

我想尝试利用预训练模型的各个层的特征进行重构并检查效果，但是对于任意的已经训练好的模型，我无法修改其forward流程，这个时候我们想到了利用hook函数。使用hook之后，我们可能需要提取中间层的输出，但模型还是运行所有，造成了不必要的时间浪费，因此需要想一个办法在hook的同时对模型进行截断。

最近都在用pytorch，虽然pytorch很多东西都比tensorflow舒服，但是在data pipeline方面还是tensorflow比较有优势，缺乏一个紧凑压缩的record的读取方法，虽然可以用DALI，但是之前用了一下还是不够灵活。最近在pytorch博客中发现了一个Webdataset，因此就尝试一下。

DESIGN-GAN: CROSS-CATEGORY FASHION TRANSLATION DRIVENBY LANDMARK ATTENTION这是来自Alibaba的一篇论文，不过他投的会议，一共只有5页，感觉有的部分没有说清楚。这篇论文提出一种基于landmark 引导的注意力cyclegan，用于人物换装。

最近发现pytorch-lighting比较好用，比我在tensorflow里面自己写的那个好，不过因为他的结构嵌套的比较深，用起来还是会踩坑。这里来记录一下。

关于论文 Learning to Cartoonize Using White-box Cartoon Representations

Model-Agnostic Meta-Learning(MAML)是元学习中经典算法之一，今天准备来实现一下。

尝试用了一下mindspore，这里给出一个dcgan的demo对比一下两个框架。 我使用mindspore 0.7，tensorflow 2.2，megengine 0.6，其他参数均相同。

记录一些关于mindspore代码的东西。