2019-01-13

1. 最近家里的笔记本github打开加载不出css样式和图片了。。
   照网上的各种方法，修改hosts，各种刷新，都不行，很难受。
   同一个网络，手机可以打开，所以考虑是电脑问题。
   刷新ipconfig /flushdns，失败。

   
   

2. unet

• 根据fnc进化而来的unet网络，总共19层卷积，4层池化,4层上采样,即27层。
  激活函数为Relu函数，没有全连接层，没有用到softmax函数。
• unet开始用于医学用，（现在也用于很多建筑物方面和目标识别等），医学图像是一般相当大，但是分割时候不可能将原图太小输入网络，所以必须切成一张一张的小sample进行输入，输出时再将小sample一张一张拼接起来。
• Unet反向传播过程，卷积层和池化层都能反向传播，Unet上采样部分可以用上采样或反卷积，反卷积也可以表示为两个矩阵乘积，很显然转置卷积的反向传播就是也是可进行的。所以说整体是Unet是可以反向传播的。

3.深度学习一般步骤
大多数深度学习研究时，程序都需要实现以下几个功能：

• 模型定义
• 数据处理和加载
• 训练模型（Train&Validate）
• 训练过程的可视化
• 测试（Test/Inference）

分享一个程序的组织结构：

├── checkpoints/
├── data/
│   ├── __init__.py
│   ├── dataset.py
│   └── get_data.sh
├── models/
│   ├── __init__.py
│   ├── AlexNet.py
│   ├── BasicModule.py
│   └── ResNet34.py
└── utils/
│   ├── __init__.py
│   └── visualize.py
├── config.py
├── main.py
├── requirements.txt
├── README.md

其中：

• checkpoints/： 用于保存训练好的模型，可使程序在异常退出后仍能重新载入模型，恢复训练
• data/：数据相关操作，包括数据预处理、dataset实现等
• models/：模型定义，可以有多个模型，例如上面的AlexNet和ResNet34，一个模型对应一个文件
• utils/：可能用到的工具函数，在本次实验中主要是封装了可视化工具
• config.py：配置文件，所有可配置的变量都集中在此，并提供默认值
• main.py：主文件，训练和测试程序的入口，可通过不同的命令来指定不同的操作和参数
• requirements.txt：程序依赖的第三方库
• README.md：提供程序的必要说明