声明：本文分析的样例 app、相关分析工具均来源于互联网，仅供研究测试之用，严禁传播和用于非法用途。否则所产生的一切后果由读者自行承担，本网站及发帖人不承担任何责任。样例 app 已于发文后删除。
最近尝试抓某 app 的接口，此 app 使用 HTTPS 协议通讯，并且做了 SSL pinning 阻止用户使用自定义的第三方证书，导致所有抓包工具均无解。经过尝试一些主流的 xposed 模块均无法绕过，一旦检测到用户使用第三方证书，app 就不再进行网络连接：
2019/8/21 Update: 已经有人部署到网站 selife2anime.com
UGATIT是一个由韩国NCSOFT公司开源的非监督GAN网络，这个GAN网络使用了新的改进的注意力模块能更好的关注几何和整体变化；以及使用新的AdaLIN (Adaptive Layer-Instance Normalization) 函数从数据集中学习参数，来灵活控制对材质和形状的修改（个人理解为更精细的生成？）。GitHub上开源了其TensorFlow版和PyTorch版。
使用恰当的数据集，可以训练妹子->二次元 or 二次元->妹子的模型，8说了，准备数据集，开冲！
预测出的嗅球和白色部分需要验证是否正确，因为嗅球和白色部分比较对称，所以有个朴素的方法：将预测出的mask从中间折叠，计算重合部分占比，占比过小的认为是无效预测
然而在实现时发现pytorch的Tensor不支持负数作为步长：
Google之后发现:这2个issue：
在第二个issue里可以看到这个问题的历程：
系统一直是保持更新最新版本的，出现问题的版本：
出现场景：
打开了一个png图片后最小化至后台，过了大约一两个小时后显卡显存占满，系统严重卡顿
检查发现照片应用占用了7G的显存：
已经第二次出现了，应该算比较严重的BUG了
上周发了个博客说多分类应该用一个像素代表不同值的方式来实现，今天又仔细研习了一下 github 上这个 issue，看了作者的回复，感觉还是应该用多通道作为输入。
于是我把unet传入的n_classes参数改成了2，然后让传入的数据形状和unet输出预测的形状一致，把嗅球和白色区域数据用torch.cat叠起来，最后两个通道输出扩充一个通道保存成3通道RGB的形式
