如果你的內存比較小

如果你的內存比較小，你連論文都復現不了。

沒有頂級GPU，你連群都加不了的。

我給窮人們一個解決方案。

def to_batch(image): target, *samples = image return (np.stack(samples), # X np.stack([target] * len(samples)))def DataIOStream(raw_src: Flow, num: int): return (raw_src .Take(num) .Then(cycle) .Filter(lambda x: x.endswith(.jpg)) .Map(lambda x: [os.path.join(train_dir, x)] + [os.path.join(test_dir, x[:-4] + "_" + str(i) + .jpg) for i in range(1, 15)]) .Map(lambda img_file_names: list(map(and_then(data.imread, lambda x: transform.rescale(x, 0.35, mode=reflect)*255, lambda x: x.astype(float)), img_file_names))) .Map(to_batch))

你沒有錢，所以你只好用時間來湊了。

這代碼來自於某個墮落人士兩天趕製的作業：

https://github.com/thautwarm/paper-implementation/blob/master/cvpr/Removing-rain-from-single-images-via-a-deep-detail-network/gpu_rain_removal.py

P.S 注釋是亂寫的。因為這是真-代碼即文檔。

推薦閱讀：