一个CV小白的博客

SeeSR提出高质量提示词，充分挖掘T2I模型潜力

pixel_shuffle 和 pixel_unshuffle 常用于神经网络减少特征图尺寸以减少计算量，，可以根据原理使用torch实现。

Gaussian Blur，也叫高斯平滑，是在Adobe Photoshop、GIMP以及Paint.NET等图像处理软件中广泛使用的处理效果，通常用它来减少图像噪声以及降低细节层次。

现在，我们想要获取非负数的位置索引，怎么做呢？首先我们需要先知道相对位置最小，最大值是多少？最大值就是当前像素是第一个像素的时候最后一个像素的位置；最小值就是当前像素是最后一个像素时候第一个像素的位置；因此，对负数进行偏移需要X、Y 各自加上。现在，我们已经获取到非负的xy相对位置索引，需要做最后一个步骤，把两个索引映射成单一的维度的索引。能想到的最简单方式就是x+y，但是这个方式是不行的。如下图所示，如果直接两者相加，那么针对同一个像素，其他像素跟他的相对位置索引就会重复。

这是StyleGAN2理解的下篇，主要讲述的是代码的理解。代码主要需要分为3个大方面来理解(1)、Generator网络结构(2)、主网络训练。(3)、图像投影到隐码空间 (latent space)的训练

代码见：https://github.com/4uiiurz1/pytorch-deform-conv-v2/blob/master/deform_conv_v2.py论文：https://arxiv.org/abs/1703.06211。

w=3,h=6对应的值就是[6,3]也就是第6行，第3列。torch.meshgrid 是 PyTorch 中的一个函数，这个函数通常用于创建坐标点的网格，以便进行一些网格上的操作，比如插值或者计算函数值。torch.stack((xv, yv), 2)就是将上述行列坐标信息堆叠在第2个维度，这样子每个位置就有各自的行列坐标值。可以看到yv实际上是一个纵坐标的网格，每个值都代表着自己所在的行，分别对应0-3行。可以看到w=1,h=2对应的值就是[2,1]也就是第2行，第1列。创建网格代码如下，那么什么是。

本文记录总结pytorch中四种归一化方式的原理以及实现方式。方便后续理解和使用。

pytorch的`F.pixel_unshuffle` 转onnx 的 `SpaceToDepth`，

由于在实际使用中遇到了多种形式的GANLoss，就整理了以下常用的四种GANLoss在应用中的区别，包括'vanilla', 'lsgan', 'wgan', 'hinge'。