【机器学习】Deep_Adaptive_Image论文学习

本博客记录对论文《Deep_Adaptive_Image》的学习过程，包括调通代码和论文理解，作为下一次论文分享会的储备材料。

论文下载地址：（Related Material中pdf就是paper，Supp是补充材料，也可以下来看看）
Chang_Deep_Adaptive_Image.
代码下载地址：DAC.

代码部分

运行环境

调通代码的过程中，环境是最麻烦的，在作者的github上只有（Keras 1.1.2 + Theano 0.8.2）这两个的要求，但是放在现在是不太行的，所以我这里具体记录一下调通之后的环境：

项目	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

上来首先试一下mnist的，毕竟对这个数据集最熟悉。下面是调代码的过程中，碰到一些要修改的地方
1、这里的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、对于代码中有下面这三个属性的，因为keras版本问题，全都换成(img_rows, img_cols,img_channels)，换成这样的顺序，否则会报错，记得换全，别漏了。

img_channels, img_rows, img_cols

3、把MNIST文件夹中的mnist.log文件换一个名字，这是作者给你的实验结果。如果你要自己跑的话，生成的文件跟这个重名，会覆盖。所以提前给它换个名字，方便后面再做对比

CIFAR10

要修改的地方第1点和上面mnist部分一样
2、对于数据集的导入要进行修改

#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()

这一部分大概在98-105行左右，要修改为

#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()

论文部分

未完待续…

发现一个别人的笔记，做个标记：
https://blog.csdn.net/weyoung_/article/details/79453313