首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

尝试获取特定颜色,但无法获得所需的结果

问题:尝试获取特定颜色,但无法获得所需的结果。

回答:在开发过程中,当我们尝试获取特定颜色但无法获得所需的结果时,可能会涉及以下几个方面的原因和解决方法:

  1. 颜色代码错误:首先,我们需要确认所使用的颜色代码是否正确。常见的颜色代码包括RGB(红绿蓝)、HEX(十六进制)、HSL(色相饱和度亮度)等。可以通过在线颜色选择器或调试工具来验证颜色代码是否正确。
  2. 浏览器兼容性问题:不同的浏览器对颜色的解析和显示可能存在差异。在开发过程中,我们应该考虑使用跨浏览器兼容的颜色方案,例如使用CSS预处理器(如Sass、Less)来生成兼容不同浏览器的CSS代码。
  3. 背景颜色干扰:如果我们尝试在某个元素上设置特定颜色,但无法获得所需的结果,可能是由于该元素的背景颜色对所设置的颜色产生了干扰。可以尝试调整元素的层叠顺序(z-index)或修改背景颜色以解决该问题。
  4. 图片或渐变背景:如果我们尝试获取特定颜色的背景,但无法获得所需的结果,可能是由于背景是一个图片或渐变背景。在这种情况下,我们可以尝试修改背景图片或渐变的设置,或者使用其他技术(如CSS滤镜)来调整背景颜色。
  5. 颜色空间转换:有时,我们可能需要在不同的颜色空间之间进行转换,例如从RGB到HSL或从HSL到HSV。在这种情况下,我们可以使用相关的编程语言或库来进行颜色空间转换,并确保所需的结果。

总结:当我们尝试获取特定颜色但无法获得所需的结果时,我们应该仔细检查颜色代码是否正确、考虑浏览器兼容性问题、排除背景颜色干扰、处理图片或渐变背景以及进行颜色空间转换等可能的原因,并采取相应的解决方法。在腾讯云的产品中,与前端开发相关的产品包括云服务器、云函数、云存储等,可以根据具体需求选择适合的产品进行开发和部署。

相关搜索:在Java程序上无法获得所需的结果无法从python regex中的lookbehind获得所需的结果Selenium WebScraping:尝试获取ProductList,但始终获得相同的产品获取日志,因为提供了以下所需的功能,但Appium无法识别无法反序列化Jason文件,但已获得响应的结果无法为等于该数字的数字的多个立方体之和获得所需结果尝试使用for-loop访问gregexpr结果的第一个值,但仅获得-1 -意外结果尝试有条件地循环遍历数据框中的列,但未获得所需的结果尝试从laravel中的数据库中获取数据,但获得错误.why?尝试使用漂亮的soap从html代码中获取值,但很难获得它。我正在尝试获取$USNJRNL文件的MFT参考号。我已经转储了信息,但似乎无法解析出变量所需的内容解析Kotlin中的webp文件头以获取其高度和宽度,但获得意外结果尝试以列表形式获取输出,但得到的结果是单个字符串三元运算符im尝试获取用户输入内容的扫描结果,但结果并不像我想的那样尝试预测图像回归任务中的平均值和标准差时,无法获得良好结果尝试使用na.omit省略特定列中的'na‘行。该函数运行时没有错误,但没有省略所需的行我正在尝试扫描条形码并在我的首页显示结果,但绑定过程无法通过Xamarin表单列出用于阅读链接的新文本文件中的文本文件名称。在打印命令中获得所需的结果,但尝试将其保存在文件或列表中否无法从我的特定查询中获取SQL结果(数据库设计或代码问题)尝试在Spring Data JPA中使用createNativeQuery从数据库中获取计数,但得到的结果为空
相关搜索:
页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

机器学习的7个步骤

颜色 形状 香蕉还是橘子 黄色 条形 香蕉 橙色 圆形 橘子 需要一种方法来获取两个特征的数据。例如,为了收集有关颜色的数据,我们可以使用光谱仪,对于形状数据,我们可以使用水果的图片。...为了收集数据,我们将尝试获取尽可能多的不同类型的香蕉和橘子,以便为我们创建拥有更多特征的数据集。为此,我们网络上市场上获取更香蕉和橘子的数据集。 收集数据的步骤是机器学习过程的基础。...在这样的模型中,结果是已知的,因此我们不断改进模型本身,直到我们的输出达到所需的精度水平。为我们的水果模型选择的线性回归模型是监督学习的一个例子。...这称为模型的偏差。确定其值的过程是反复试验的。最初,我们为它们选择随机值并提供输入。将获得的输出与实际输出进行比较,并通过尝试不同的权重和偏差值将差异最小化。 培训需要耐心和实验。...如果结果不令人满意,则需要重新检查之前的步骤,以便找出并找出模型性能不佳的根本原因。如果评估未正确完成,则该模型可能无法出色地实现其所需的商业目的。

4.9K00

机器学习的7个步骤

为了收集数据,我们将尝试获取尽可能多的不同类型的苹果和橙子,以便为我们的功能创建各种数据集。为此,我们可能会尝试在市场上寻找可能来自世界不同地区的橙子和苹果。 收集数据的步骤是机器学习过程的基础。...可以在3大类中探索机器学习模型的选项。第一类是监督学习模型。在这样的模型中,结果是已知的,因此我们不断改进模型本身,直到我们的输出达到所需的精度水平。...这称为模型的偏差。确定其值的过程是反复试验的。最初,我们为它们选择随机值并提供输入。将获得的输出与实际输出进行比较,并通过尝试不同的权重和偏差值将差异最小化。 培训需要耐心和实验。...评估使数据科学家可以检查他们是否设定了要实现的目标。如果结果不令人满意,则需要重新检查先前的步骤,以便找出并找出模型性能不佳的根本原因。如果评估未正确完成,则该模型可能无法出色地实现其所需的商业目的。...这些链接使模型可以获得独特的见解,如果采用通常的手动方法,则可能无法发现这些见解。结果,宝贵的人力资源从处理信息然后做出决定的负担中解放出来。

1.3K10
  • 3D点云的未来

    点云的不同结果。从左到右依次为原始、阴影、有色、体素化、半角化的点云 接触3D点云以后,我们通常根据Reality Capture的发展进行相应的调整,以获得更加清晰的数据集。...我们的视觉可以 保证“注意力定向”,即大脑无法充分了解周围环境以获得对场景的全面了解。 利用当今的计算能力实现这样的过程是可行的。...可交付成果 在从数据收集到可交付的创建的经典过程中,点云获取和处理工作流通常取决于应用程序。尽管收集步骤可能特定于手头的传感器,但点云即交付的热潮却成为许多行业的实际选择。...因此,必须专门设计点云结构,以允许计算机将其用作信息提取的基础, AI驱动的自动对象以无人监督的方式识别的结果。每种颜色代表自动识别的不同类别 结果 所以是的,点云很大。...是的,我们需要特定的“技巧”来存储和处理它们,但几十年前的视频也是如此!这对您的特定行业意味着什么?您将很快可以使用3D捕获环境的“大脑表示”,以便您根据自己的意愿进行查询。

    1.1K41

    20 个改善网站设计的简单技巧

    而Figma的默认大小非常适合排版。 它们看起来太小了,但这是正常的:你无法全屏工作。 注意:某些字体比其他字体小或大。...06、尝试使用柔和的颜色 鲜艳的色彩很棒,但常常导致激进的设计和糟糕的组合。此外,如今柔和的设计非常流行,因此,我们可以多尝试使用柔和的颜色选择器。 ? ?...10、使用几何体 这可能是最难使用的技巧,但如果正确应用,它会帮助你提升设计效果。 使用几何图形有助于增强布局中的概念和顺序,甚至不需要图像。找到正确的几何形状很困难,但我仍然无法很好地掌握它。...从你正在处理的图像中找到所需的每种颜色。 有时,立即找到颜色可以帮助你提出新的想法。让我们以图像色调决定样式的示例为例。 使用常见的颜色有助于减轻对比度,并保持设计流程的顺畅。 ?...显然,这三种颜色不是随机使用的。他们每个人都有特定的角色,你必须知道: 主要背景。占填充图像的60%。 主体颜色。占填充图像的30%。 强调色。占填充图像的10%。

    91420

    4分钟成功复现诺奖!CMU开发GPT-4化学家,自主编码操控机器人颠覆化学研究登Nature

    但是,在实际的实验中就会发现,化学反应通常无法按预期高产率和选择性得出产物。 这时,还得需要重新搜索文献、设计新的实验路线、再次尝试实验,整个迭代过程就会变得遥遥无期。...当人类科学家要求Coscientist合成一个特定的分子时,它会在互联网上搜索以设计合成路线,然后为所需的反应设计实验方案。...但是在没有人的提示的情况下,Coscientist立即发现了问题,重新参考了设备的技术手册,更正了代码并再次尝试。 实验结果被装在了几个极小的透明液体样本中。...科学家 「通过与多个模块的交互(网络和文档搜索、代码执行)和实验」,获取解决复杂问题所需的知识。 主模块(规划者)的目标是根据用户输入,通过调用下面定义的命令进行规划。...然而,获得取得这些突破所需的教育和培训是一段漫长而艰巨的旅程,成为一名科学家实在是太难了。

    49511

    不到4分钟,这个GPT驱动的“化学家”能制造药物,还能复现诺奖研究!研究登Nature

    它使用以简化分子输入线输入系统(SMILES)格式(一种代表分子化学结构的机器可读符号)编码的公开化学信息,并根据分子的特定部分对其实验计划进行了更改仔细检查SMILES数据。...2010 年,Sukuzi、Richard Heck和Ei-ichi Negishi联合获得诺贝尔奖,正式认可了这些突破性反应及其广泛影响。 当然,Coscientist以前从未尝试过这些反应。...但是,即使没有人类提示,Coscientist自己就发现了问题,查阅了设备的技术手册,更正了代码并再次尝试。 结果包含在一些透明液体的微小样本中。Boiko分析了样品,发现了反应的光谱特征。...自然世界的规模和复杂性实际上是无限的,其中蕴藏着无数的发现等待着我们去发现。想象一下新的超导材料可以显著提高能源效率,或者可以治愈其他无法治疗的疾病并延长人类寿命的化合物。...然而,获得实现这些突破所需的教育和培训是一个漫长而艰巨的旅程。

    19510

    OpenCV3 和 Qt5 计算机视觉:6~10

    channels[1], mag); magnitude函数的结果(如果尝试查看元素)将非常大,以至于无法使用灰度图像的可能比例进行可视化。...另一种算法可能需要较少的参数(几乎总是缓解),但同样,它可能无法达到其最高性能。...由于信号量是根据可用资源的数量用于线程同步的,因此函数名称也比lock和unlock函数更适合于此目的。 以下是QSemaphore类中的可用函数: acquire:可用于获取特定数量的所需资源。...但是,在处理视频以及视频时,我们指的是来自网络的视频,摄像机,视频文件等,有时我们需要通过处理特定时间段内的连续视频帧获得的结果。...另外,作为练习,您可以尝试构建适当的 GUI 以进行色移。 您甚至可以尝试编写一个程序,该程序可以将图像中具有特定颜色(精确的颜色直方图)的对象更改为其他颜色。

    2.7K20

    带有 WinPaletter 的高级 Windows 外观编辑器

    如何在 Windows 中使用 WinPaletter 为口音着色无法为 UI 元素选择所需的颜色或将其替换为您想要的颜色可能会令人失望。...您可以在此处探索 Windows 之外的选项,并尝试使用它们为 Windows 提供个性化的触感。 WinPaletter 提供了所需的一切。该免费软件可让您执行以下操作。...当您首次下载并启动该程序时,该工具会在左侧显示所有选项,并在右侧显示您选择的选项的预览。它们中的大多数允许您为特定的用户界面元素选择颜色。...例如,您可以通过指定将鼠标悬停在“开始”按钮上时显示的特定颜色来更改操作中心、“开始”菜单或任务栏等元素的外观。支持多种颜色选择选项。这些包括,使用颜色网格。色轮和滑块。从您选择的图像中挑选调色板。...例如,您可以从色轮、颜色网格中选择一种颜色,或者从您自己的图像中获取一个调色板,然后使用“提取”选项将其提取出来。

    2.6K40

    从JavaScript发起同步多行Rowhammer攻击

    这两种技术都不允许获得执行 19行Rowhammer 所需的 4.63 MB 连续物理内存。放宽限制:在最初的一项实验中,试图了解在尝试绕过 DRAM TRR 时行位置的影响。...然后,大页面的颜色由仅应用于大页面偏移量上方的切片位的切片散列函数的结果给出。由于攻击者已经控制了页面偏移内的切片位,使用已知的页面颜色,攻击者可以完全控制切片索引。...接下来选择虚拟地址在与 (a,b) 相同的页面偏移量处,但来自相同颜色的不同大页面。在相同颜色的页面上使用相同的偏移量,确保与 a 映射到 A 的偏移量相同的傀儡,以及 b 偏移量处的傀儡映射到 B。...图片上图报告了在每个步骤上花费的时间:“第一个驱逐集”和“上色 500 大页”。一起报告切片着色算法找到五个相同颜色的大页面并随后使用它们分别显示其他 500 个页面的颜色所需的时间。...特别是,如果不知道 DRAM 寻址功能和至少一种绕过 TRR 的 n 行模式,就不可能构建自驱逐模式。虽然指纹可以检测特定系统,但攻击者也可以尝试不同的配置,直到成功。

    40541

    使用C#和OpenCV实现人脸替换

    我们首先需要获得一张布拉德利的原始自拍照和单人照: ? 原始自拍 ?...因此,如果我只是在自拍照中将图像放在其顶部,我们将在图像边缘看到剧烈的颜色变化: ?...我们在获取布拉德利面部凸包时使用FillConvexPoly方法即可计算所需的mask。 • 中心点处应该完全是单人照的肤色100%,距离中心点越远的像素将获得越接近的布拉德利肤色。...这会使单人照中的人的嘴唇张开,以使单人照中的人物微笑并露出牙齿。 但结果似乎并不太好。 ? 如果只使用凸包壳点,该程序可以使单人照中人物的下巴变形,以匹配布拉德利的下颌线。...但是它无法处理该人物的眼睛,鼻子和嘴巴。这意味着表情等在新图像中保持不变,看起来也更加自然。 最后,我们将使用Instagram滤镜来进一步消除色差: ?

    2.4K30

    我发现Midjourney的Inpainting功能居然可以这么用!

    通过这种方式,弥补了Midjourney不能做的很多事情,它可以编辑图像的特定区域,并且我发现它有很多可以玩的点。接下来咱们一起看看吧!...第三步,在弹出的新编辑器窗口中,选择要编辑的区域。矩形和套索工具可用于区域选择。可以选择多个区域。 第四步,在同一窗口中,编辑提示,使其仅包含您想要在选定区域中获取的内容。...a happy man, 1960s style --ar 16:9 第一次尝试就取得了很好的成绩!现在,在一张图像中获得具有不同特征的多个主题变得更加容易。...现在,我们将尝试使用修复来调整其他颜色。首先,我们把裙子换成蓝色的。现在,我们将尝试使用修复来调整其他颜色。首先,我们把裙子换成蓝色的。...但请注意,这并不是一个神奇的修复方法。您仍然会注意到Midjourney与您的意图相悖并给出一些令人沮丧的结果。

    47450

    使用预先训练的扩散模型进行图像合成

    预先训练的扩散模型允许任何人创建令人惊叹的图像,而不需要大量的计算能力或长时间的训练过程。 尽管文本引导图像生成提供了一定程度的控制,但获得具有预定构图的图像通常很棘手,即使有大量提示也是如此。...事实上,标准的文本到图像扩散模型几乎无法控制生成图像中描绘的各种元素。...在无限步数的限制下,噪声图像将与从各向同性高斯分布采样的纯噪声无法区分。 扩散模型的目标是通过在给定步骤 t 的噪声图像的扩散过程中尝试猜测步骤 t-1 的噪声图像来反转该过程。...在这些初始步骤期间,对应于不同提示的去噪潜在向量不会组合在一起,而是与对应于恒定颜色背景的一些去噪潜在向量组合。...我使用 HuggingFace 托管的预训练稳定扩散 2 模型来创建本文中的所有图像,包括封面图像。 如所讨论的,该方法的直接应用是获取包含在预定义位置中生成的元素的图像。

    44030

    利用AI打造更好,更快,更便宜的礼品购物未来

    询问不一定奏效,因为您的预期接收者可能已经对其他人给出了相同的答案,决定购买该物品,或忽略传达所需的准确尺寸,颜色或配置。...像Amazon这样的综合服务商知道其购物者的规模,他们过去购买的商品,其他人已经购买了特定商品以及将商品发送到何处。...使用我设想的应用程序,您已经输入了预算,描述了要进入每个层级的预算,然后AI会生成可以接受或修改的结果。...这样一来,他们就可以汇总几个人的礼物,从而得到更昂贵的礼物。它就会像一张没有变坏的积分卡。有些人希望能感到惊喜,但另一些人却希望获得一些少而好的礼物。 这项服务很容易扩展到生日或婚礼。...哦,它还可以将购买推迟到所需商品开始销售之前,或者可以将购买者之间的购买汇总以获得批量折扣。简而言之,该系统可以提供压力较小,更好,更便宜的解决方案。我认为拥有一个为我们服务的AI将是一个不错的改变。

    74230

    Unity基础教程系列(五)——生成区域(Level Variety)

    是的,在游戏窗口工具栏的右侧有一个Gizmos选项。这仅适用于编辑器,Gizmos不包含在构建中。 默认的Gizmo颜色是白色,但是可以通过更改Gizmos.color属性来使用其他颜色。...可以通过区域的Transform组件的localToWorldMatrix属性获得所需的矩阵。 ? ? (和生成区的transform关联) 我们是否需要重置Gizmo的颜色和矩阵?...每个人都可以获取此引用,但是只有Game可以设置它。这是单例设计模式的一个示例。 ? 当我们的游戏实例唤醒时,它应该将自己分配给Instance属性。对象可以通过this关键字获得对自身的引用。 ?...结果,Unity将报错说我们的生成区域组件已失效。我们需要将它们替换为特定的子类。...保留一个null将会是一个错误,并且在尝试检索不存在的数组索引时,Unity将记录一个错误。 创建一个Level3场景,并在Game中增加关卡数,以尝试使用我们新的复合生成区域。

    1.9K30

    如何安装Python 3.13?使用交互式解释器

    本教程重点介绍 Python 3.13 中新的交互式解释器,该解释器具有多行编辑和历史记录保存功能,并直接支持 REPL 特定的命令,包括 help、exit、quit 等。...该解释器具有多行编辑功能,并保留历史记录;支持 read–eval–print loop (REPL) 特定的命令(例如 help、exit 和 quit),无需将其作为函数调用;提示和回溯(启用颜色)...然后,我尝试运行代码,但只收到一条非常神秘的消息,没有告诉我哪里错了。 我当时并不知道问题出在文件名上。最终我发现了问题,更改了文件名并重新运行了应用程序,没有问题。显然,错误不在代码本身。.../name.py 其中 name 是您的脚本的名称。 在 Ubuntu 上获取 Python 3.13 如果您尝试从标准存储库安装 Python 3.13,您将不会成功。...但是,有一个存储库您可以使用(如果您无法等待您选择的发行版将最新版本添加到标准存储库中)。让我向您展示如何解决这个问题。

    32710

    【深度学习】数据集最常见的问题及其解决方案

    我将向您解释如何通过提高数据集质量的方法来轻松获取更好的结果。 注意:我将以图像分类的任务为例,但这些技巧可以应用于各种数据集。 问题1:数据量不够。...注意事项:所有增强技术可能无法用于您的问题。例如,如果要归类柠檬和酸橙,不与色相玩,因为这将是有意义颜色是对分类重要。 这种类型的数据增加将使模型更难找到区别特征。...解决方案:考虑技术的长期应用,以及将用于获取生产数据的方法。 如果可能,尝试使用相同的工具查找/构建数据集。 使用不代表您的真实世界应用程序的数据通常是一个坏主意。...补充猫类图片,减少青柠的图片可以让数据集不同的分类更平衡 问题5:数据不平衡 如果您的数据没有特定 格式,或者值不在特定 范围内,则您的模型可能无法处理它。你将有形象,有更好的结果横宽比和像素值。...但是,如果您在同一测试集上尝试多个模型,则会发生其他情况。通过选择具有最佳测试精度的模型,您实际上过度拟合了测试集。发生这种情况是因为您手动选择的模型不是其内在模型 值,但其性能上的特定数据集。

    54910

    基于3DSOM软件的侧影轮廓方法空间三维模型重建

    三维数字化仪采集较之人工采集,效率相对有所提高,但其仍具有操作复杂、存取速度较慢与无法获取目标物表面纹理(探头仅仅可获得位置信息)等问题。因此,其在三维建模领域亦未发挥主要作用。   ...其中一面多数区域颜色较浅(但亦有部分颜色较深的小区域),另一面相对则较深;表面分布有较多黑斑,多数黑斑面积较小,但亦有个别面积较大黑斑。...由于此马铃薯多角度图像并不是我自己拍摄的,因此我也暂未无法获取其拍摄时对应定标垫半径大小,因此对于马铃薯模型的测量并未更改其单位长度。   ...因此,便可以解释底部图片(包括顶部图片)无需规定相对位置不变的原因。亦正因如此,在发现圣诞老人蜡烛无法自主倒立后,我尝试用手协助其自主倒立,且软件并未报错。...而建模时软件可能直接不考虑未掩饰的顶部与底部图像(或软件亦考虑顶部与底部图像,但由于其未经过掩饰,使得程序无法由这些图片中获取有用的信息),从而进一步得到了无错误的建模结果。

    1.1K20

    程序员想搞机器学习?看看Nodejs之父这一年摸爬滚打的心路历程

    这类损失函数所学到的,是输出所有可能结果的平均值——所输出的图像看上去就比较模糊了。我们想要的模型是这样的:对于给定的低分辨率图像,它能从所有可能的强化结果中选出那张特定的、效果最好的高分辨率图像。...在找到论文中所用的配置前,我尝试过数百种配置。 如何定量评估结果,则是另外一个难题。如何才能证明我们的图像比基准模型好?...他跟我说过一个试验:用分量接口(该接口中图像的灰度、颜色相互分离)获取一张224×224×3的图像,将其颜色通道降至28×28×2的超低分辨率,然后用双线性插值法再把颜色通道放大,所得图像与颜色分辨率很高的原始图像相比几乎没有差别...这表明,把问题变成仅预测低分辨率颜色,我们就可以简化着色问题。我原本已准备好彻底放弃PixelCNN了,因为它显然无法放大小图像,但用来生成28×28×2的图像还是很可行的。...不幸的是,我没能在TensorFlow上重复他们的结果,也无法实现我所想出的几个类似想法。这里可能有Bug。

    98170

    专访Gary Marcus:脆弱、贪婪、晦涩、浅薄,AI的前景和桎梏

    在不同的光照下,我们眼中像素的颜色与我们标记的颜色是不同的。对于光照的变化,人眼会进行自动纠正。...GM:深度学习需要大量数据,如果你的被测对象不会频繁发生变化,又可提供数百万个观测结果,那么深度学习将是一个很好的工具。但如果你的被测对象频繁改变而观测数据只有几十个,机器学习则不适合。...从某种意义上说,如果拥有大量数据,深度学习将发挥最佳作用,因此它们对数据是“贪婪的”。在人工智能领域,我们很清楚这个问题但没有去探讨。有时你可以获得“贪婪的”深度学习所需的数据,有时却不行。...真正的智能是无需大量经验就能够解决新问题,我们可以在几分钟之内就学会玩一个从未玩过的游戏,但机器仍然无法做到这一点。...但如今在人工智能领域,我们正在尝试找到一组基于反向传播的方程式来进行神经网络调优,并希望可以用它来解决所有问题。这种想法很美好,某些情况下也能起到一点作用,但这并不是真正解决问题的恰当方式。

    69620

    他在Google Brain实习了一年,总结出这么些心得

    这类损失函数所学到的,是输出所有可能结果的平均值——所输出的图像看上去就比较模糊了。我们想要的模型是这样的:对于给定的低分辨率图像,它能从所有可能的强化结果中选出那张特定的、效果最好的高分辨率图像。...在找到论文中所用的配置前,我尝试过数百种配置。 如何定量评估结果,则是另外一个难题。如何才能证明我们的图像比基准模型好?...他跟我说过一个试验:用分量接口(该接口中图像的灰度、颜色相互分离)获取一张224×224×3的图像,将其颜色通道降至28×28×2的超低分辨率,然后用双线性插值法再把颜色通道放大,所得图像与颜色分辨率很高的原始图像相比几乎没有差别...这表明,把问题变成仅预测低分辨率颜色,我们就可以简化着色问题。我原本已准备好彻底放弃PixelCNN了,因为它显然无法放大小图像,但用来生成28×28×2的图像还是很可行的。...不幸的是,我没能在TensorFlow上重复他们的结果,也无法实现我所想出的几个类似想法。这里可能有Bug。

    1.1K140
    领券