首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    Improved Techniques for Training Single-Image GANs

    最近,人们对从单个图像而不是从大型数据集学习生成模型的潜力产生了兴趣。这项任务意义重大,因为它意味着生成模型可以用于无法收集大型数据集的领域。然而,训练一个能够仅从单个样本生成逼真图像的模型是一个难题。在这项工作中,我们进行了大量实验,以了解训练这些方法的挑战,并提出了一些最佳实践,我们发现这些实践使我们能够比以前的工作产生更好的结果。一个关键点是,与之前的单图像生成方法不同,我们以顺序的多阶段方式同时训练多个阶段,使我们能够用较少的阶段来学习提高图像分辨率的模型。与最近的最新基线相比,我们的模型训练速度快了六倍,参数更少,并且可以更好地捕捉图像的全局结构。

    02

    一种基于依赖收集的最小化更新组件技术

    最近被react的性能问题折腾惨了,在实际项目开发中,组件的深度可能很深很深,而react的更新机制本质上还是一种全量的脏检查,也就是从当前组件开始,把它作为根节点的整棵树都检查一遍,并且在这过程中做diff,中间涉及一些算法,这些算法说来说去还是因为它存在性能问题,需要靠复杂的算法来迎合react这种脏检查带来的坏处。那么,有没有一种办法,可以避免这种脏检查,也就是在整棵树中,我只需要更新其中一个节点即可。Mobx提供了一种创新的方法,就是对组件所需要的数据进行收集,只有当这个数据发生变化的时候,这个组件才需要重新渲染。这里面还涉及到整个项目中所有组件本身的设计问题。本文尝试基于mobx的这种思路,提出一种基于依赖收集的最小化更新组件技术。

    01
    领券