OrdinaryMatthew的博客

inp = [{'c1':10, 'c2':100}, {'c1':11, 'c2':110}, {'c1':12, 'c2':123}]df = pd.DataFrame(inp)print(df,"
")test_row = next(df.dropna().tail(1).iterrows())print(test_row,"
")输出：c1 c20 10 1001 11 1102 12 123(2, c1 12c2 123Name: 2,

P′=MPP^{'}=MPP′=MP其中 M 是 仿射变换矩阵，注意 M 左乘 点 P 而非 右乘。List item

一、组会记录如图1所示，理论上 A 曲线下降的应该会比 B 更明显才对，但是没有。考虑可能与 learning rate 有关系，可能需要将其调大。因为模型 A 可能陷入一个局部极小值了。 图1. A曲线对应的模型的学习率需要调整模型的 Pytorch 代码中，一些该 detach 的地方没有 detach，会导致网络不收敛。本文方法与其他方法做对比实验的时候，它们训练 epoch 数目不一定要相同，因为网络参数数量不同，我们只需要将网络训练到收敛即可。cascade 的

`# 首先备份源列表sudo cp /etc/apt/sources.list /etc/apt/sources.list.20220408# 打开sources.list文件sudo gedit /etc/apt/sources.list# 阿里源deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiversedeb http://mirrors.aliyun.com/ubu...

Step1：去VirtualBox官网下载 文件：VBoxGuestAdditions_6.1.18.iso。文件名中的 6.1.18 是VirtuaBox的版本号，可以选择和原来的VirtuaBox的版本号保持一致的。官网下载页面如下图所示Setp2： 文件VBoxGuestAdditions_6.1.18.iso 下载到本地以后，进入Virtual Box，进行如下图的操作：设置->存储->控制器：IDE->“蓝色齿轮”->选择虚拟盘->选择刚刚下载好的VBoxG

零、虚拟机是 Oracle VM VirtualBox-6.1.12-139181， 装一个 Ubantu 18.4 。一、安装 “增强功能”，包括开启虚拟机和主机之间的共享粘贴板，让虚拟机的分辨率和主机的保持一致等功能。二、配置网卡。三、换 apt 软件镜像源。四、更新软件列表和软件sudo apt-get updatesudo apt-get upgrade五、安装搜狗输入法（方便中文输入）六、安装 C++ 编译环境，cmake，net-tools（ifconfig命令需要），ssh七

建议到网速比较好的地方操作。Ubantu20.4，其它版本不一定如此操作1 软件源的全路径是：/etc/apt/sources.list我们可以先进入sources.list所在目录/etc/apt/，通过ls命令可以看到如下图2 然后备份一下文件，通过sudo cp /etc/apt/sources.list /etc/apt/sources.list.20220407，备份后如下图所示3 接着通过sudo gedit sources.list 或者 sudo vim sources.list

本人最近在写本科毕业论文，没用 LaTex（因为学校模板转LaTex需要时间）。但是呢数学公式很多，那么就会带来一个公式编号的问题。这个可能会给人带来困惑，那么本文提供一种简单粗暴的方法。比如说需要给这个公式加编号（1）只需要在公式区域（注意，要在公式区域范围内，不能到非公式区域），加上”#（1）“，然后按下回车键3.然后编号就出来啦！...

D1: Percentage of stereo disparity outliers in first frameD2: Percentage of stereo disparity outliers in second frameFl: Percentage of optical flow outliersSF: Percentage of scene flow outliers (=outliers in either D0, D1 or Fl)bg: Percentage of outlie

https://blog.csdn.net/hjxu2016/article/details/79728340

本文记录 Windows 下利用 OpenCv glob 函数得到 文件夹下所有文件的绝对路径 （含文件名）。本文还含有 std::string::find()等函数的记录。

绪论本文是对 发表在NIPS 2017 Workshop上面的名为 Automatic differentiation in PyTorch 的 预印论文的一部分的翻译。 只是因为感兴趣，想了解一下 PyTorch 自动求导这方面涉及到的不太深的数学和计算机科学的知识。翻译完成后，我所学习到的有这么几点：PyTorch 自动微分抛弃了符号方法。PyTorch 是动态运行的，TensorFlow 和 Caffe 是静态运行的，静态运行的需要制定一个静态图和提前通过符号进行微分。PyTorch 大部分使

绪论本文是作者在阅读 发表在NIPS 2017 Workshop上面的名为 Automatic differentiation in PyTorch 的 文章时，发现其中我缺少的一些知识点。查找后以本文记录。本文涉及到的点有原地操作计算机程序中的求值策略，迫切求值还是懒惰求值自动求导，含正向累积与反向累积方法向量-雅可比 积原地操作“ 原地运算是一种直接改变给定线性代数、向量、矩阵(张量)内容（content）的运算，而不需要复制。该定义取自本 Python 教程。根据定义，原地操作

Visual Stuido 2019 环境下需要将二维数组读到本地 txt，起初使用函数 fopen 报错，而且按照下面方法解决不了。就这还想难道我，有点不太可能。解决方案，项目 =》属性 =》c/c++ =》预处理器=》点击预处理器定义，编辑，加入_CRT_SECURE_NO_WARNINGS那没事了，只能用 fopen_s 。而且，因为我绝对路径一开始是用 “\” 分隔，导致出现成功读取本地 txt 文件，但是 二维数组数据写不到本地 txt 文件的错误。可以的，翻来覆去整了 快 20 分

Pipeline，经常出现在我看的论文中。今天天气晴朗，惠风和畅，心情愉悦，故有想法搞清楚它的内涵。于是上维基百科查它。先说我的结论，现在这个概念对我而言是：需要处理已有数据，从而得到目标数据，对如何安排处理多条数据流（大多数时候，数据流是单向流动的）的抽象。“Pipeline” 在牛津词典上的解释有：a series of pipes that are usually underground and are used for carrying oil, gas, etc. over long dis

1 来自 Pytorch 官网 Tutorial矩阵乘法和 element-wise 乘法# This computes the matrix multiplication between two tensors. y1, y2, y3 will have the same valuey1 = tensor @ tensor.Ty2 = tensor.matmul(tensor.T)y3 = torch.rand_like(tensor)torch.matmul(tensor, tensor.

本人在用词典查 infer 时看到了词典上还有它与 imply 的辨析，但是觉得词典上的内容没有让我足够明白。后来在互联网上查到 grammarly blog：Imply vs. Infer—What’s the Difference? ，这篇文章让我明白了。故本人以本文记录。Imply means to suggest or to say something in an indirect way.Infer means to suppose or come to a conclusion, espe

论文需要跑网络对比实验。那么如何用 Github 上的代码（或者其他开源代码）跑我们需要它跑的数据集呢？答：修改开源代码对应的 dataloader 部分即可。下文将简要介绍与 PyTorch 框架的 dataloader 的相关知识。首先引用 PyTorch 中文教程中关于 Dataset 抽象类的介绍和 Dataloader 的介绍 ：我们在做深度学习训练时，首先要做的是做一个数据集类，它可能需要完成自动打乱数据、数据处理、批量提供 batchsize 数据等功能。 PyTorch 在 tor

因为要用NYU V2 ToolBox中的 深度补全 功能，所以接触到了如题的点。如下图所示，ToolBox代码有放在Matlab中运行的 .m 文件，也有经典的 .cpp 文件。简单科普一下，因为 C/C++ 运行效率远超 .m ，所以可以把程序的核心代码放在 .cpp中，以节省时间。实践首先，一开始运行 demo_fill_depth_cross_bf_test.m 文件，报错如下图。简单解释一下：函数 mex_cbf_windows 和函数 cbf_windows对应着函数 mex_cbf_win

pbmplus-图像文件格式转换包PBMPLUS 是一个用于多种图像类型和可移植格式（portble formats）之间来回转换的工具包。官方网站主页介绍，和下载地址在这里。该工具的想法是如果你想要在 NNN 种图像格式之间进行转换，你只需要 2×N2\times N2×N 个转换函数；而不是如果你把每一种转换的函数都单独写出来， N2N^2N2 个。除了不同格式的文件的转换之外，该包还包括一些操作可移植格式的简单工具。PBM/PGM/PPM 格式图像文件这个包分为 4 个部分（本文只介绍 3 部