- 博客(25)
- 收藏
- 关注
RSS订阅原创 Ubuntu 安装使用微信
Wine （“Wine Is Not an Emulator(Wine不是一个模拟器)” 的缩写）是一个能够在多种 POSIX-compliant 操作系统（诸如 Linux，Mac OSX 及 BSD 等）上运行 Windows 应用的兼容层。微信（WeChat） 是一个为智能终端提供即时通讯服务的免费应用程序。
2023-10-10 10:05:45
857
原创 Ubuntu＞卸载-安装cudnn
如果说CUDA是GPU深度学习的运行库，那么cuDNN就是训练加速工具，两者要相互配合使用，所以一般机器学习需要训练引擎(tensorflow-gpu)或Pytorch + CUDA + cuDNN使用。想不安装cuDNN是不可以的，而且cuDNN版本要和CUDA版本相互搭配。先检查/usr/local目录下有没有cuda或cuda-xx.xx文件夹，如果没有，那99.99%说明该机器没有安装CUDA。cudnn-local-repo-ubuntu2004-8.9.5.29要用purge命令删除。
2023-10-07 22:35:38
1015
原创 解决 TensorFlow 2.x 中的 “AttributeError: module ‘tensorflow‘ has no attribute ‘placeholder‘“ 错误
【代码】解决 TensorFlow 2.x 中的 “AttributeError: module ‘tensorflow‘ has no attribute ‘placeholder‘“ 错误。
2023-09-27 23:31:04
204
原创 【无标题】
第一位表示分类器是否预测正确，第二位表示分类器的预测结果。从后往前看，是Positive（正样本）还是Negative（负样本），然器是否预测正确。True Positive，分类器预测结果为正样本，实际也为正样本，False Positive，分类器预测结果为正样本，实际为负样本，True Negative，分类器预测结果为负样本，实际为负样本，False Negative，分类器预测结果为负样本，实际为正样本，，正确分类的正样本数量+漏报的正样本数量。
2023-09-25 22:26:03
78
原创 解决CUDA的安装和配置问题windows-pytorch
关于查看自己电脑上的CUDA版本，首先需要区分CUDA的两种API，即运行时和驱动API(Driver API)1. 驱动API(Driver API)驱动API(Driver API)由GPU driver installer安装driver 安装后会提供nvidia-smi命令，会显示GPU硬件信息以及支持的CUDA版本等。命令行输入nvidia-smi后，右上角的CUDA Version便是所支持的CUDA Driver API最高版本。
2023-09-12 11:40:23
605
1
原创 解决 AttributeError: module ‘numpy‘ has no attribute ‘int‘
仔细看报错不是有对应的文件和行号吗，如果使用PyCharm可以直接跳转过去，如果使用命令行，那直接去这个文件目录找到相应的文件，和对应的位置就行。原文链接：https://blog.csdn.net/weixin_41653613/article/details/128699982。版权声明：本文为CSDN博主「C++有手就行」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。然后把他之前用的np.int改为np.int_就行！解决方式：将np.int更改为np.int_。
2023-09-11 21:37:07
1135
转载 解决 from . import _imaging as core ImportError: DLL load failed: 找不到指定的模块
建议使用 conda uninstall pillow 卸载 conda 安装的 pillow。并通过 pip 安装 pillow，pip install pillow。注意：如果执行上述操作步骤后仍然报错，那么需要彻底卸载 pillow ，再使用 pip install pillow安装 pillow。升级 pillow 版本，如果你的项目里有 requirement.txt ，最好按照要求的版本进行升级安装。上述问题也是 pillow 版本过低导致的，也可以通过彻底卸载 pillow ，
2023-09-11 21:24:58
477
原创 subprocess.CalledProcessError: Command ‘[‘where‘, ‘cl‘]‘ returned non-zero exit status 1
在E:\VS2017\VC\Auxiliary\Build 这个路径中点击vcvarall.bat 这个批处理程序。之后打开命令行，输入cl，如果没有报错，则配置成功……第一行是编译器的目录，根据电脑选吧，但是至少HostX86\x86是所有平台都能用，64位系统就像例子中那么填。第一个路径填的是lib路径，如果在path变量中填了HostX64\x64的话就用x64的lib。第二个路径填的我也不知道，但是填就填最新版的话，目前没发现什么问题。实际路径根据自己的安装路径有所不同。
2023-09-11 14:44:10
153
原创 【无标题】
在格点分支中，将点云先转换为分辨率较低的格点，然后使用三维卷积，最后在运算结束后，将格点转化为点云，并和点云分支合并在一起。存在一个点云分支，在该点云分支内，对每一个单独的点进行独立的变换，因为不需要邻近点的信息，该分支的变换可以高效进行实现。查找每个点最近的若干个临近点，并对该些临近点使用卷积，但这些点在内存上并非是连续存放的，导致引入大量的随机访问。此处之所以可以使用较低的分辨率（计算高效），是应为在点云分支内保存了完整的点云，并不需要担心点云信息的丢失。将物体的整体结构和细节用。
2023-09-09 16:29:26
50
1
原创 ROM、SRAM、DRAM、Fash
DRAM就是我们通常所说的内存,它以一个晶体管和一个电容来存储1比特的数据,需要定期刷新电路来保持数据,速度虽然SRAM慢一些,但成本也更低。SRAM只要通电,无须刷新即可保持数据,而且读写速度极快，常用于和CPU交换数据。1.存储方式: DRAM 存储数据需要在一定时间内不断刷新，而 SRAM 则不需要。3.功耗: DRAM 在刷新时需要消耗一定的电能，而 SRAM 不需要。,断电时数据也不会丢失,因此,计算机厂商通常将基本的输入/输出系统。动态随机存取存储器(DRAM)动态随机存取存储器(DRAM)
2023-09-08 22:38:06
115
1
原创 中位数Median
一个数集中最多有一半的数值小于中位数，也最多有一半的数值大于中位数。设连续随机变量X的分布函数为F(X)，那么满足条件P(X≤m)=F(m)=1/2的数称为X或分布F的中位数。对于一组有限个数的数据来说，其中位数是这样的一种数：这群数据的一半的数据比它大，而另外一半数据比它小。计算有限个数的数据的中位数的方法是：把所有的同类数据按照大小的顺序排列。如果数据的个数是偶数，则中间那2个数据的算术平均值就是这群数据的中位数。如果数据的个数是奇数，则中间那个数据就是这群数据的中位数；可将数值集合划分为。
2023-09-02 21:46:25
64
原创 新建word文件时 默认存在页眉横线
2.在电脑地址栏中输入 %AppData%/Microsoft/Templates。1.关闭所有已打开word文件。
2023-08-12 13:04:32
284
1
原创 Hyper-parameter
参数（Parameter）是我们训练神经网络最终要学习的目标，最基本的就是神经网络的权重 W和偏置b，我们训练的目的，就是要找到一套好的模型参数，用于预测未知的结果。这些参数我们是不用调的，是模型来训练的过程中自动更新生成的。超参数（Hyperparameter）的定义：在机器学习的上下文中，超参数是在设置值的参数，而不是通过训练得到的参数数据。通常情况下，需要训练者人工输入超参数，并作出调整优化，给学习机选择一组最优超参数，以提高学习的性能和效果。
2023-08-07 23:00:47
1656
原创 距离与范数
表示向量元素的平方和再开平方。L2范数又称Eucloidean范数或者Frobenius范数。当P=0，即L0范数（实际并非一个真正范数），主要用来度量向量中非零元素个数，欧几里得空间的固定直角坐标系上两点所形成的线段对轴产生的投影的距离总和。表示向量中非零元素的绝对值之和。
2023-08-07 10:06:54
40
原创 PointNet++（pytorch）
modelnet40分类数据集链接：https://pan.baidu.com/s/13Ey0trCBY3CNxXzP8ugErQ 提取码：1234。
2023-07-26 20:14:50
296
1
原创 点云数据集
S3DIS数据集是斯坦福大学开发的带有像素级语义标注的语义数据集，包含了rgb，depth，3d点云、mesh等。该数据集被收录在2D-3D-Sdataset内。一个室内点云语义分割和实例分割（实例单独标注）数据集。相关paper11种场景(scene categories13个结构元素(structural elements（在Annotations内）
2023-07-20 22:16:11
240
原创 深度学习常用显卡_个人电脑
不同款的GPU可能采用不同设计架构，比如GeForce 10系列的GTX 1080/1080Ti采用的是Pascal架构，而GeForce 20系列的RTX 2080/2080Ti采用的是Turing架构。GPU能耗，像Geforce这种消费级的显卡一般功耗非常高，Geforce GTX 1080的最大功耗为175W，Tesla P4的最大功耗为75W。显存越高，意味着性能越强大，因为显存越大，batch size就越大，CUDA核可以更加接近满负荷工作。代表GPU芯片和显存之间数据交换的速度越快，
2023-07-20 19:08:41
592
原创 Conda/pip常用命令
创建后，env_name文件可以在Anaconda安装目录envs文件下找到。在不指定python版本时，自动创建基于最新python版本的虚拟环境.查询当前Anaconda repository中是否有你想要安装的包。这表示创建python版本为3.8、名字为env_name的。1）检查torch是否安装成功。3）从当前环境卸载一个包。
2023-07-20 16:06:32
458
原创 点云 特征提取、Segmentation、Classification、物体识别
例如，法向量，曲率，树木，人等。是类似于对象识别的过程，该过程为每个点，线段或对象分配一个类别或标识，以表示某些类型的对象（例如，标志，道路，标记或建筑物）。依据获取特征的方式不同, 三维点云分类方法分为三大类:基于点的分类, 基于传统机器学习方法的分类和基于深度学习的分类。“低级属性”是指没有语义（例如，位置，高程，几何形状，颜色，强度，点密度等）的信息。对象识别和点云分类之间的区别在于，对象识别是利用一种方法以将一些特定对象与其他对象区分开，而分类的目的通常是在语义上标记整个场景。
2023-07-14 10:41:58
589
1
原创 Pytorch：复现PointNet
(5条消息) Pytorch：复现PointNet_pointnet代码复现__养乐多_的博客-CSDN博客
2023-04-19 20:30:48
360
1
原创 三维点云深度学习——环境配置
此外，专业版提供了一些高级功能，以用于支持Django框架下的专业Web开发。选择适合自己windows的版本，x86-64是64位版本，x86是32位版本：executable installer 是可执行的安装版本，下载到本地后双击可以直接安装。anaconda是python运行环境，安装好后可以启动任意版本的python环境，所以只要安装了anaconda就等于安装好了python。实际上，安装完驱动和pytorch之后，就可以通过pytorch编程用显卡训练自己写的简单一点的网络了。
2023-04-19 20:19:19
518
1
massCode.Setup.3.7.0.exe
2023-08-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人