- 博客(153)
- 资源 (3)
- 收藏
- 关注
原创 轻量级快速单目深度估计模型
进行深度估计,三维重建,位姿估计实时的轻量级单目深度估计模型,只需一张输入图像,便可进行上述任务。参数量差不多只有3.5M,精度SOTA以下是链接,发表于21____ICCVhttps://openaccess.thecvf.com/content/ICCV2021/papers/Zhou_R-MSFM_Recurrent_Multi-Scale_Feature_Modulation_for_Monocular_Depth_Estimating_ICCV_2021_p...
2022-03-05 20:08:29
1183
原创 reshape不一致问题
给定RGB图像color_raw =imread(paths[0])/255.0color_raw为[320,1024,3]color_raw.reshape(3,-1).transpose(1,0)-color_raw.reshape(-1,3)结果不等于0
2021-11-13 19:45:32
622
原创 latex 表格放双列最后一行
https://github.com/texjporg/nidanfloat下载\usepackage{nidanfloat}\begin{table*}[b]\centering\setlength{\tabcolsep}{0.5mm}{
2021-06-13 22:27:52
432
原创 schedule问题
schedule初始化的时候默认last_epoch为-1,把optimazer里的lr设置为schedule中的初始学习率,初始化的最后一步,里面的ini中会自动调用一次.step(),因此last_epoch为0了,然后又把optimazer里的学习率重新设置为第0步的学习率。因此要先optimazer.step().再schedule.step().因为optimazer.step().会用到学习率,而学习率是schedule.step()设置的。可以用这个看每步optimazer的学习率。
2021-05-19 15:10:06
451
原创 关于3D视觉的注意事项
假如相机内参不确定,可以简单设置为fx = cx = w/2 and fy = cy = h / 2.https://github.com/TRI-ML/packnet-sfm/issues/38估计内参论文https://arxiv.org/abs/2008.06630点云可视化https://github.com/TRI-ML/packnet-sfm/issues/10
2021-05-10 15:18:28
157
原创 反向传播的理解
只有conv里面的变量有梯度,其他的都没有loss.backward() 每进行一次,假如梯度不归零的话,weights里面的梯度是累加的,假如Loss是一个数组,mean和sum的区别就是一个尺度因子,就是数组的总个数在loss中减去常数对梯度无任何影响。比如x**2-10000000,因为求导自动忽略单次迭代中,不同batch中的梯度,也是累加的。具体看qq的值x = torch.randn(2,2,1,1)x1 = xw = torch.nn.Conv2d(2,2,(1,1)
2021-05-05 15:32:52
229
原创 https://blog.csdn.net/guofei_fly/article/details/104486708/
转载https://blog.csdn.net/guofei_fly/article/details/104486708/
2021-04-10 20:58:02
376
转载 Latex Beamer PPT 左边文字右边图片,分栏显示
\begin{frame}{Previous model}{Secert Sharing Scheme}\begin{columns} \column{0.5\textwidth} \begin{itemize} \item { A $(t,n)$ threshold secret sharing scheme allows a dealer to split her secret $s$ into $n$ pieces (also called shares) and distribut.
2021-04-07 14:53:32
4098
转载 latexPPT一张页面上同时显示4张
转载https://blog.csdn.net/a6822342/article/details/80533135\begin{figure}[htbp]\centering\subfigure[pic1.]{\includegraphics[width=5.5cm]{111.eps}%\caption{fig1}}\quad\subfigure[pic2.]{\includegraphics[width=5.5cm]{111.eps}}\quad\subfigure[pic3.
2021-04-07 13:59:41
858
原创 自适应参数和为1
def __init__(self): length = 4 self.weight = nn.Parameter(torch.ones(length))def forward(x): weight = F.softmax(self.weight, 0) # softmax 保证每个参数大于等于0 小于等于1 for i in range(len(weight)): s += result[i] * weight[i] ...
2021-03-22 21:58:27
250
转载 softmax
本篇主要分析softmax函数中的dim参数首先介绍一下softmax函数:设 x = [1,2,3]则softmax(x)= [e 1 e 1 + e 2 + e 3 \frac{e^1}{e^1+e^2+e^3}e1+e2+e3e1 ,e 2 e 1 + e 2 + e 3 \frac{e^2}{e^1+e^2+e^3}e1+e2+e3e2 ,e 3 e 1 + e 2 + e 3 \fra...
2021-03-21 20:48:55
97
原创 except”和“except for 区别
He was fully dressed except for a tie.他衣冠楚楚,只是没打领带。She could utter all the sounds correctly except certain consonants.除了某些辅音,她发音正确。这里的“整体”为“all the sounds”,而“certain consonants”为“部分”,它被减去了。You can find me in the office every day except Wednesday.
2021-03-08 16:40:33
904
转载 \centering与\begin{center}区别
工作环境(蓝色粗体字为特别注意内容)1,系统环境:Win7 Ultimate sp12,软件环境:pdfTeX 3.1415926-2.3-1.40.12 (MiKTeX 2.9)、WinEdt 7,编译器:PDFTeXify3,参考文献:①https://blog.csdn.net/jpzhu16/article/details/50699755我们经常在LaTeX中使用\begin{center}···\end{center}\begin{center}···\end{center}.
2021-02-23 13:23:25
12649
原创 2021-01-30
Could not import backend for traitsui. Make sure you have a suitable UI toolkit like PyQt/PySide or wxPython原因在安装mayavi的时候需要安装一些依赖。解决方案(亲测有效)pip intall mayavi pip install pyqt5
2021-01-30 19:47:36
563
原创 RAFT代码
首先进行RAFT的初始化:有一个选项为args.small。class RAFT(nn.Module): def __init__(self, args): super(RAFT, self).__init__() self.args = args if args.small: self.hidden_dim = hdim = 96 self.context_dim = cdim = 64
2020-10-19 16:59:45
17900
2
转载 pytorch学习笔记(1)-optimizer.step()和scheduler.step()
转https://blog.csdn.net/qq_20622615/article/details/83150963optimizer.step()和scheduler.step()的区别optimizer.step()通常用在每个mini-batch之中,而scheduler.step()通常用在epoch里面,但是不绝对,可以根据具体的需求来做。只有用了optimizer.step(),模型才会更新,而scheduler.step()是对lr进行调整。通常我们有optimizer = o
2020-10-18 15:56:22
2872
转载 加载模型
转载1. 读取预训练模型和现有模型的重合部分reference:https://discuss.pytorch.org/t/how-to-load-part-of-pre-trained-model/1113/3pretrained_dict = ...model_dict = model.state_dict()# 1. filter out unnecessary keyspretrained_dict = {k: v for k, v in pretrained_dict..
2020-10-18 13:07:13
718
原创 unfold解析
先上代码import torchimport numpy as npunfold = torch.nn.Unfold(kernel_size=(2, 3))input = torch.Tensor(np.array(range(120)).reshape(2, 5, 3, 4))output = unfold(input)# each patch contains 30 values (2x3=6 vectors, each of 5 channels)# 4 blocks (2x3 ke
2020-10-11 13:44:32
612
原创 teamviewer安装
在Ubuntu 20.04上安装TeamViewerTeamViewer是专有的计算机软件,并且不包含在Ubuntu存储库中。我们将从官方的TeamViewer APT存储库下载并安装TeamViewer软件包。打开您的终端并.deb使用以下wget命令下载最新的TeamViewer 软件包:wget https://download.teamviewer.com/download/linux/teamviewer_amd64.deb1下载完成后,请运行以下命令安装TeamViewer
2020-10-01 22:51:56
566
转载 F.grid_sample
torch.nn.functional.grid_sample()函数的参数grid,表示的是范围为[-1, 1]坐标系下的(x, y, z),坐标与数组的对应关系是:x -> w, y -> h, z -> d,测试代码如下: import numpy as np from torch.nn import functional as F import torch if __name__ == '__main__': d, ..
2020-09-18 18:51:28
1811
原创 cuda
异步性的概念heterogeneity,一个程序又在cpu上跑,又在gpu上跑,就是异步性GPU适合Single Instruction Multiple Data(SIMD) 单指令多数据,类似于数组运算。CPU设计的要点就是低延迟访问(low latency access)。关键词__global__:函数之前加上这个关键词,那么告诉编译器这个函数是在GPU里面运行...
2019-11-26 18:55:29
175
原创 操作数组问题
a=torch.rand(2,2,3,4) a[a>0.5] = 1 ###a>0.5 a[a<=0.5] = 0 print(a) index = torch.nonzero(a==0) index = index[index[:,3] != (a.size(3)-1)] ...
2019-10-06 19:37:14
266
原创 利用alpha通道进行图像blend
光流中第一帧与第二帧进行叠加,直接上代码# -*- coding:utf-8 -*-from PIL import Imagedef blend_two_images(): img1 = Image.open( "bridge.png ") img1 = img1.convert('RGBA') img2 = Image.open( "birds.png ") img2 ...
2019-09-15 21:44:16
662
原创 cv2图像读取顺序问题
cv2.imread 读取bgr图片cv2.imshow 需要bgr数据才能显示正常cv2.imwrite需要bgr数据才能保存正常
2019-09-05 15:53:20
1041
转载 vscode显示中文注释
参考this1.文件2.首选项3.设置4.搜索"files.autoGuessEncoding": flase 改为"files.autoGuessEncoding": true
2019-07-29 16:11:29
7650
原创 Grokking algorithms(第十章)k-nearest neighbors
k-nearest neighbors (KNN)算法介绍如下图,假如你要预测一个水果,你挑选需要预测水果周围的三个水果,哪一种水果多,那么就是这种水果。小结...
2019-07-18 20:55:27
158
原创 Grokking algorithms(第九章)动态规划
动态规划就是把一个复杂的问题,分解为几个简单的小问题举一个例子你有一个负载4lbs的篮子,装下图中的东西,目的是要使得价值最大。可以画一个如下格子,列为当前可以容纳的重量(单位是lbs),行为选择的物品,第一行表示只能选择guitar,第二行表示可选择guitar or/and stereo,第三行表示可选择guitar or/and stereo or/and laptop,用...
2019-07-17 17:28:12
213
原创 Grokking algorithms(第八章)greedy algorithms
贪心算法可以得到近似的最优解,近似的意思是:与最完美的值接近,但是不是最完美的值举一个例子:The knapsack problem假设你有一个袋子,里面能装35lbs重量的货物,要从下图的物品中,挑出价值最大的物品,放入你的袋子中,同时重量不能超过35lbs使用贪心算法步骤如下使用贪心算法的话,你的袋子里只能装下stereo,价值3000,但是最优解为装一个laptop...
2019-07-16 19:10:35
354
原创 Grokking algorithms(第七章)Dijkstra’s algorithm
上一章的广度优先,可以找到最短的路径,本章的算法,可以找到最快的路径,如下图Working with Dijkstra’s algorithmTerminologygraph中每一条edge都有一个weight,那么叫weighted graph,没有edge的话,就叫unweighted graph.在unweighted graph中找出最短路径,使用breadth-f...
2019-07-16 14:26:24
184
原创 Grokking algorithms(第六章)breadth-first search
What is a graph?图的结构如下图所示图由node和edge组成,一个node可利用edge与其他node连结,连结的node称为当前node的neighbors,下图中,rama为alex的neighbor,而adit不是alex的neighborBreadth-frst search以芒果售卖为例子,你需要在你的朋友中找到芒果售卖商,你找你的朋友...
2019-07-12 13:35:11
192
原创 Grokking algorithms(第五章)hash tables
Hash functions作用为把字符串map成数字。哈希表的步骤为:首先传入一个字符串,哈希函数会根据这个字符串给一个数组,这个数字就是存储的index,如下图所示python的字典就是哈希表 ,可以如下使用hashTable=dict()##orhashTable={}字典有一个小功能,value = hashTable.get(“tom”)假如存在t...
2019-07-12 10:18:50
221
原创 Grokking algorithms(第四章)quicksort
Divide & conquer使用DC算法,要进行如下两个步骤举一个简单例子,数组[2,4,6]相加用递归的形式实现,首先要搞清楚递归的base case:如下图:就是只有一个元素或者没有元素的情境。然后,在写递归,就是把问题分解,直到变成base case,如下图所示:对于数组形式的递归,base case 一般为空数组或者只有一个元素的数组。...
2019-07-11 15:20:51
150
原创 Grokking algorithms(第三章)Recursion
递归使用场景:箱子1上锁了,钥匙在箱子2中,但是箱子2中也有一堆小箱子,钥匙在其中的小箱子中。def look_for_key(box): for item in box: if item.is_a_box(): look_for_key(item) Recursion! elif item.is_a_key(): ...
2019-07-11 10:47:07
179
原创 Grokking algorithms(第二章)
Arraryarrary在内存中的地址是紧挨着的,如下图所示如上图所示,第一行只能存储3个数据,当存储第4个数据时,因为第一行第4列这个格子已经被占用了,所以需要重新找地址进行存储。可以有一种补偿措施:那就是一次分配10个位置,这样就能连着了,然而会及其浪费存储空间。所以Arrary的缺点就是当插入新的数据时,及其慢 (需要重新找位置进行存储)。linked list数据可以...
2019-07-10 19:15:52
225
原创 Grokking algorithms(第一章)
二分法二分法的输入是一个sorted的list, 以及需要查找数的位置,输出是需要查找数的位置,假如没有这个数字,返回null.O记号始终对应.对于一个长度为8的list,使用简单查找,最差需要查找8次,而使用二分法查找,那么最多只需要查找3次()以下为python版二分法代码def binary_search(list,item): low = 0 high...
2019-07-09 14:05:43
259
转载 检测显卡温度的软件
转thissensor是一个以图形形式显示硬件温度的监视器,同时还支持UbuntuUnity Indicator。它可以监控:主板和CPU传感器的温度(用lm-sensors) 显卡GPU的温度(用XNVCtrl) 硬盘的温度(用hddtemp) 风扇旋转速度(用lm-sensors) 安装: 首先安装lm-sensors: 1 s...
2019-07-03 09:54:27
2119
原创 pwc细节
金字塔部分金字塔每层的通道数为:[16, 32, 64, 96, 128, 196],16为第一层,196为第6层。第一层分辨率最大,为输入图像尺寸的一半,之后每升高一层,分辨率变为上一层的一半。第6层分辨率最小。PWC一共6层金字塔。以输入图像为(256,448)为例子,那么第一层为(128,224),第6层为(4,7)每层金字塔内部操作第6层先从第5层开始,也就是分辨率最低的...
2019-06-29 19:40:16
2444
12
原创 双线性插值 上采样和下采样,以及采样因子
采样因子大于1:上采样,图像分辨率变大采样因子小于1:下采样,图像分辨率变下怎么变大,怎么变小原理->this
2019-06-25 10:04:09
5925
hand-on-with-tensorflow.zip
2019-07-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人