**skip-ganomaly結合了unet和ganomaly這兩種模型，使用了skip-connection的網路結構。如下圖所示
引數設定：adam；lr=0.002；opech=50，batchsize=132；其他引數見**
結果左（原始影象）；中（重構影象）；右（殘差）
殘差真值
殘差熱力圖
左（原始影象）；中（重構影象）；右（殘差）
殘差真值
殘差熱力圖
加入了skip-connections確實提高了重構效果。
skip-ganomaly的生成器是image-to-image的，生成器中全部使用的是卷積層或者反卷積層，沒有用到全連線層。這樣帶來一點好處就是生成器的輸入不受影象大小的約束。
我在**的時候按照**中的設定，給自編碼器的每一層都加上了skip-connection，結果導致在測試樣本上的重構效果太好，以至於連缺陷都重構出來。skip-connection太多會導致模型過擬合，輸入和輸出直接劃等號。經過調參，最終保留最下邊一層的skip-connection。即使是這樣，仍然會把缺陷部分輕微地重構出來。
我一直覺得skip-ganomaly和ganomaly都已經不能再稱之為gan。因為模型中作出主要貢獻的實際上是自編碼器。自編碼器使用精確的一對一的均方誤差來衡量生成影象與原始影象的差距；而gan使用我們神經網路以一種我們也不清楚的方式來衡量生成影象與原始影象的差距。skip-ganomaly和ganomaly將兩種衡量方式以很直觀的方式結合到一起，這就會導致說不清楚這兩種方式究竟誰在起主導作用。不過**中的實驗引數以及我自己的調參結果說明：是自編碼器在起主導作用資料集很理想，儘管有旋轉，有位移，有光照變換，但是想要真正實際情況中讓模型起到作用還有很長一段路要走。
如何復現不可復現的Bug
摘自51testing 從標題來看大家可能會覺得暈，這裡說到的不可復現是指這些bug有時出現，有時候不出現。相信大家在測試過程中肯定遇到過這種bug，不少這種不可復現的 bug定位起來非常困難，可能很長時間都不能得到解決。能否復現這些不可復現的bug成為大家關注的乙個話題，最近國外的測試專家jame...
如何復現不可復現的Bug
摘自51testing 從標題來看大家可能會覺得暈，這裡說到的不可復現是指這些bug有時出現，有時候不出現。相信大家在測試過程中肯定遇到過這種bug，不少這種不可復現的 bug定位起來非常困難，可能很長時間都不能得到解決。能否復現這些不可復現的bug成為大家關注的乙個話題，最近國外的測試專家jame...
如何復現不可復現的Bug
從標題來看大家可能會覺得暈，這裡說到的不可復現是指這些bug有時出現，有時候不出現。相信大家在測試過程中肯定遇到過這種bug，不少這種不可復現的 bug定位起來非常困難，可能很長時間都不能得到解決。能否復現這些不可復現的bug成為大家關注的乙個話題，最近國外的測試專家james bach jonat...