- 博客(20)
- 收藏
- 关注
RSS订阅原创 Basis NeRF Summary
本文简单的介绍一下神经渲染中的NeRF技术。带来了三篇NeRF简介——NeRF，NeRF++，Mip-NeRF。
2023-05-20 19:13:28
159
原创 NeRF without poses
iNeRF是第一篇提出的优化无位姿NeRF的方法，其主要的思路是将位姿的优化纳入梯度流中，即每次反向传播的时候同时更新相机位姿的参数。在训练中，首先利用已经训练好的深度估计模型计算出每张图的位姿，然后再在warm-up阶段固定学习率，结合了考虑进深度的点云损失和表面损失来优化对相机位姿的学习。其贡献主要在于对positional encoding的改进，通过给予一个在训练过程中不断变化的权重以给其重新赋权的方式让模型在训练中逐渐的从关注低维信息转移关注到高维信息，能较好的避免陷入局部最优而难以优化的问题。
2023-05-17 05:12:30
447
原创 No kernel image is available for execution on the device #5723
在运行程序的时候报错：No kernel image is available for execution on the device 的解决方案
2023-02-26 01:59:42
352
原创 字节跳动暑期实习——大数据开发工程师面经
Intro 本人985CS科班 无行业相关经历，有经济学辅修与深度学习的科研经历，预计这个学期会发一篇顶会，投的是字节大数据开发，面试之前没什么准备，一面的时候一道题都没有刷，直接裸面。直到三面面完lc合起来也不过刷了50题。因此面评是算法基础不扎实，但是知识面比较广。一面：3月1日简单的自我介绍了一下，面试官小哥哥十分友好，并没有太刁难本人。问题1:排序长度为n,最大数小于n的数组太紧张，归并排序没写全，后面提示哈希表，做出来了，老脸丢干净问题2:划船问题，一个体重序列，船负重最大为n，船最多载
2022-03-16 22:29:23
4687
原创 蓝桥杯受伤的王后题解（回溯法）
题目本身是回溯法的一种变式。今天趁这个机会回顾了一下回溯法的代码。#include <iostream>#include<vector>#include<algorithm>using namespace std;bool place(vector<int>position,int pos){ int i=1; while(i<pos){ if ((position[i]==position[pos])||((abs(po
2022-02-16 20:47:29
7239
1
原创 蓝桥杯跳跃题解分析
题目分析：这是一题典型的动态规划问题，其中关键点是边缘值的选择。这题比较好的解法是用遍历的方法，因为如果采用递归的话对于边界值以及记录不是很方便，我的解法如下：#include <iostream>#include<vector>#include<algorithm>using namespace std;int main(){ // 请在此输入您的代码 int n,m; cin>>n>>m; vector<ve
2022-02-16 16:11:21
621
原创 git解决jupyter notebook同步问题
在本地和远端服务器同步中，如果直接上传修改，jupyter notebook会出现无法打开的问题原因：git中如果出现修改，会有>>>>>git 的问题。而.ipynb内核主要是json文件，jupyter notebook通过解析json文件来显示页面，如果出现先了>>>>>这样的标签，会导致内核无法解析文件。解决方法：1.直接git clone2.如果代码没有改变，只是每次运行的输出变了，我们可以在上传前先清除单元格所有输出再使用gi
2022-02-12 17:16:19
1457
原创 20200901CCFCSP100分对称点查询（重载，类）
简单的用了重载运算符和sort函数，核心定义如下。重载运算符：bool operator <(const pointer& a){if(this->index<a.index){//如果index较小，那距离小于等于就可以视作小于，在sort的时候就能排序出来。return (this->dis<=a.dis);} else {return (this->dis<a.dis);}};全部代码如下#include<iostream&g
2021-12-05 10:59:36
518
原创 离散数学（二）总结：普通计数，高级计数，数论
离散数学（二）这门课说实话不难，总共就24个学时，一共3章：普通计数，高级技术与数论。今晚就要考试了，慌慌，赶紧写个总结。普通计数普通计数主要是高中高考数学的延伸，其中包括了经典计数、排列组合、二项式定理。经典计数：加法乘法原理，鸽巢原理排列组合：N元素的可重复、不可重复的R排列、R组合问题。二项式定理和帕斯卡三角恒等式(x+y)m=∑i=0nC(n,i)xiym−i(x+y)^m=\sum_{i=0}^nC(n,i)x^iy^{m-i}(x+y)m=i=0∑nC(n,i)
2021-11-28 17:51:05
569
原创 硬件集成约简：CANOPY和HERALD
这几天又读了老师发的两篇论文，这两篇论文自成一个体系，提供了一个很好的启发式的集成修剪方法，并能将该修剪算法很好的运用到芯片中。此篇文章基于对原文的翻译和自己的理解撰写而成，由于作者理解有限，且基础尚不扎实。欢迎各位对本篇文章的内容批评、指正！首先介绍第一篇论文：Ensemble Reduction via Logic Minimization。集成学习通常采用决策树作为基算法。由于决策树天生的二分类结构与数字电路本身的逻辑“0”和“1”及其相似，在可穿戴设备&移动终端的算法部署中，通常采用决
2021-11-25 01:28:45
700
原创 深度半监督学习笔记（五）：整体分析法
半监督学习笔记（五）上次的更新中主要包括了熵最小化、代理变量方法。接下来做一个简单的回顾：熵最小化：一种强制让网络输出更加自信的决策的方法，增加一个正则化项使得函数倾向于比较极端的分类。代理标签方法：自训练：在每一次迭代中，自己对无标签数据生成伪标签，再在下一次迭代中作为训练集进行优化。代理标签：为了使得生成的标签更加靠谱，中间包括了标签传播算法。以及可能出现的确认性偏差问题，MixUp和minibatch可以解决这个问题。元代理标签：teacher和student相互学习。由teacher生成
2021-11-25 01:26:13
1105
原创 半监督学习笔记（四）：熵最小化、代理变量
半监督学习笔记（四）昨天的更新中，我们学习了几种基于对抗方法的一致性正则化的策略，接下来让我们做一个简单的复习：1、 Fast-SWA：采用了退火算法的思想，逼近多个最小值点后求平均。2、 Virtual Adversarial Training：通过找到网络的薄弱点，选择性的挑取噪声进行训练。3、 Adversarial Dropout：采用对抗性的方法找到最弱的随机丢弃层，其中运用了元素级丢弃和通道级丢弃的方法。4、 Interpolation Consitency training：插值一致
2021-11-25 01:20:17
5941
原创 CCFCSP202109-2直接70分解法C++
2021_9第二题代码70分这题没有想到比较好的100分解题思路。但是编译的时候还是有些地方错了，需要小心。题目链接在编码的时候碰到了问题。首先using namespace std切记一定要加！不然就会编译错误！然后，定义变量统一在开头！自己是因为忘了定义sumer结果编译出错又找了好久，另外在打for这些打时候同时要打{}以免忘记。<=和>=不要打错，先比较后等号。编码的时候一定要关注核心逻辑，得10分一般都是IO以及判断部分没有问题，数据处理与生成的逻辑有问题。当然拿到题
2021-11-24 21:08:49
374
原创 CCFCSP2020062稀疏向量C++100分（运算符重载与排序）
题目链接题目知识点：运算符重载STL（vector）Sort函数类这题也比较简单，首先读题，需要看清楚输入数字的范围。因为在78910这4个检测点中n≤109n\leq10^9n≤109且a,b≤5∗105a,b\leq 5*10^5a,b≤5∗105，因此输入数据的时候要注意，计算的时候结果最好用最大的long long int，这样就能尽量保持不溢出。当然如果再大用到大数加减法的话难度就会激增了。另外在写代码的时候，开头比如说#include<vector>#includ
2021-11-20 18:29:02
921
原创 期末预测阈值C++代码实现100分（STL、动态规划、重载）
这个周末做了最佳阈值这道题，C++实现，时间使用156ms，空间使用4.117MB。题目链接:题目解析如下：第二题一般需要用到快速排序、归并排序等复杂度为O(nlogn)的算法，这种算法在考试的时候直接手写十分麻烦，而且容易出错，所以说我们一般采用Sort函数。而Sort函数通常可以用于数组、Vector等类中，但是题目每一个输入对象拥有两个子变量，一个是θ\thetaθ,另一个是resultiresult_iresulti，因此我们还是要对输入建立一个score类，如果要用vector储存这个类，
2021-11-20 16:38:13
660
原创 深度半监督学习笔记（三）：一致性正则化
前几天更新了一致性正则化的前五种方法，我们可以看到整个模型也在不断的进步，从单纯的对噪声进行学习以增强网络的鲁棒性到应用对抗学习的一些知识。现在我们对之前的知识做简要的总结：Ladder Networks：简单的加入了编码-解码层，通过加入噪声来预测未加噪声层的输出来增强网络的鲁棒性。 Pi-model：通过dropout作为噪声源，利用了网络的dropout随机性使得网路更加强壮。 Temporal Ensembling：加入了指数平均法，使得网络能对之前训练的输出有所响应，减小了不稳定性。 M
2021-09-19 22:55:24
2766
原创 半监督学习笔记（二）：一致性正则化
Introduction原文链接https://arxiv.org/abs/2006.05278v2https://arxiv.org/abs/2006.05278v2昨天的更新讲了一下半监督学习的Overview部分，简要的复习一下：半监督学习的概念：大部分数据没有标注，少部分数据有标注，然后半监督学习要对这些数据执行良好的分类任务。半监督学习的方法：一致性正则化，代理变量，生成模型，基于图的方法。半监督学习的基本假设：平滑性假设、聚类假设、流形假设半监督学习的相关问题：主动学
2021-09-17 21:21:51
6629
2
原创 吴恩达NLP网课总结（一）
暑假的时候还认真的看完了吴恩达、李宏毅老师的的NLP网课，今天对NLP的知识做一个小summary，以后复习的时候还用得着，同样学习NLP网课的同学也可以来看看！一起讨论讨论！网课链接：(强推)2021吴恩达深度学习-NLP序列模型_哔哩哔哩_bilibili网课链接：(强推)李宏毅2021春机器学习课程_哔哩哔哩_bilibili自然语言处理也是深度学习中一个比较大的领域，现在深度学习主要有三个方面：一个是CV（Computer Vision，计算机视觉），另一个是NLP（Neuro-lang
2021-09-16 16:15:52
450
原创 半监督学习笔记（一）：综述，定义，方法
这几天学习了一篇论文，名称就是An Overview of Deep Semi-Supervised Learning。是一篇关于半监督学习的综述，当然自己的理解也十分的肤浅，这篇文章是自己的学习笔记，发出来是希望各位大神对我的理解多指点指点！当然能给各位学习的同学们参考到就更好了！本篇文章仅供参考，如有错误还请多多指正！原文链接：https://arxiv.org/abs/2006.05278v2https://arxiv.org/abs/2006.05278v21.半监督学...
2021-09-16 15:05:50
6695
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人