程序员欢乐送（第3期）

对于我来说，我一直保持的追求有三点：技术、快乐、财富。因此，从此三点出发，记录过去一周，我所看到的，值得分享的内容，每周五把欢乐送达。

技术

1、Velox机器人多种地形穿梭自如

大家在过去几年时间里已经看到过了许多有趣的机器人设计，但应该还没有见过像纽约工程公司Pliant Energy Systems打造的Velox机器人这样的，有着如此独特的行动风格的机器人。据了解，Velox使用了一种新型的波浪推进系统，它既能在水下实现高效的游动又能在崎岖的路面上滑行，最近它又掌握了在冰面上自由行动的技能。

2、GAN2.0震撼来袭

我们知道GAN能够生成逼真的图片，但没有想到字面意义上的“逼真”会如此快到来。你能想到下面这组图片都是GAN2.0生成的吗？

输入两张图，图A决定生成人物的性别，年龄，头发长度，以及姿势；图B决定其他一切因素：比如肤色、发色、衣服颜色等等。这样，就可以把图B的一部分人物特征，迁移到图A上了：

在生成尺度调节上一共有三个尺度：粗糙尺度（Coarse Styles）、中等尺度（Middle Styles）、精细尺度（Fine Styles）。

论文地址：点击查看

源码和数据集会在不久后发布（需翻墙）：点击查看

3、PyTorch CNN特征可视化

深度神经网络解释性不好的问题一直是所有研究人员和商业应用方案上方悬着的一团乌云，现代CNN网络固然有强大的特征抽取能力，但没有完善的理论可以描述这个抽取过程的本质，人类也很难理解网络学到的表征。

现在Pytorch版本的CNN特征可视化工具也开源了，推荐给各位。

项目地址：点击查看

4、超分辨率重建

ESRGAN（增强型超分辨率生成对抗网络）更逼真、更自然的纹理上获得了更好的视觉质量。

ESRGAN从多个角度提出了基于GAN的超分辨率重建的新方法，颇具成效，具体从以下几个方面：

• 网络结构（包括RRDB的提出，BN层去除）
• 平均相对判别器的使用
• 感知损失的改进
• 提出网络差值方法改进超分辨率重建结果

项目地址：点击查看

5、可视化神经网络的损失函数

神经网络的训练需要最小化高维度非凸损失函数，神经网络的训练依赖于寻找高度非凸损失函数的极小值的能力。利用特定的网络架构设计（例如，跳过连接）生成的损失函数可以使训练过程变得更简单，利用精心调整的训练参数（批尺寸、学习率、优化器）可以达到使泛化能力更好的极小值。然而，对于这些规律，以及这些因素对损失函数形态的影响，并没有得到很好的理解。

这时就可以使用这种可视化方法，帮助我们可视化损失函数的曲率，并对损失函数进行有意义的并排对比。

项目地址：点击查看

6、CycleGAN and pix2pix in PyTorch

CycleGAN和pix2pix对于一直关注深度学习的朋友应该不陌生，CycleGAN就是一种风格转移算法，例如将普通的马变成斑马。pix2pix就是一种基于GAN的图像翻译，比如根据简单的笔画获得信息丰富的图片。

CycleGAN：

pix2pix：

junyanz使用Pytorch对两个算法均进行了实现，感兴趣的可以看下。

项目地址：点击查看

7、图像篡改检测

网上有很多P图党招摇撞骗，有些图P得很真实，肉眼难以辨别。这时就可以使用深度学习算法帮助我们识别，检测图片是否篡改过，例如拼贴、复制和删除等操作。

项目地址：点击查看

娱乐

1、估值一个亿的代码

去年的老梗，今年依旧可以玩。

2、奇葩看病经历

5毛PS路过。

财富

在程序员欢乐送（第1期）中，介绍了几款不错的银行理财产品，安全系数很高。如果想获得更高收益，洋钱罐是个不错的选择。当然，不建议把所有钱都放在P2P里，但可以控制好比投入比例，注意分散，也不至于忧心忡忡。

洋钱罐对于新用户也有一些优惠政策，比如“新手专享90天”计划，最高可投10000元。同时，可以使用满10000元减15元新手券，收益超过了10%。

没啥钱，我就买了10000元的，90天可获收益266.3元，真香。

投资有风险，理财需谨慎。

最后

本周的程序员欢乐送，到此结束，下周再会。