jupyter-notebook tab自动补全、查看函数提示

已于 2024-05-28 17:03:38 修改
阅读量3.8k 收藏 21
点赞数 10
文章标签： jupyter python ide
于 2024-05-28 09:59:03 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/diudiumama/article/details/139255678
版权

目录

1、打开anaconda prompt 窗口

2、激活所用环境 

3、输入以下命令，并等待执行完成

4、重启jupyter，重启后会有Nbextensions选项，参考图中两个选项

5、现在tab键就可以自动补全了

6、函数提示

（1）方式1： 函数名称+ ？

（2）方式2：help(函数名称)

（3）方式3：鼠标点击函数，然后 shift + tab， 也可以两次shift + tab

1、打开anaconda prompt 窗口

2、激活所用环境 

     conda activate env_name

3、输入以下命令，并等待执行完成

      pip install jupyter_contrib_nbextensions -i https://pypi.mirrors.ustc.edu.cn/simple

      jupyter contrib nbextension install --user

      pip install --user jupyter_nbextensions_configurator

      jupyter nbextensions_configurator enable --user

4、重启jupyter，重启后会有Nbextensions选项，参考图中两个选项

5、现在tab键就可以自动补全了

6、函数提示

（1）方式1： 函数名称+ ？

（2）方式2：help(函数名称)

（3）方式3：鼠标点击函数，然后 shift + tab， 也可以两次shift + tab

             右上角有三个 小符号，可以分别点击试一下

maomaomama~
关注
3DGS 论文阅读笔记和个人讲解（3D Gaussian Splatting）
2401_87064292的博客
12-24 1193
这篇论文提出了一种新方法实现了辐射场的实时渲染，能够在较少的训练时间中，实现SOTA级别的视觉效果，针对用多张照片和视频拍摄的场景，允许以 1080p 分辨率进行高质量的实时（≥ 30 fps）新视图合成。可以先用一句话表达 3D Gaussian Splatting 干了什么：使用 3D Gaussian 球表示三维模型，并通过 Splatting 技术渲染出来。
【论文笔记】3DGS精读
iglues的博客
09-23 2586
3D Gaussian Splatting for Real-Time Radiance Field Rendering 精读笔记
CVPR24 最佳学生论文：实现3DGS新突破，任意尺度无锯齿渲染！
深度学习技术前沿
06-29 3304
作者丨匡吉来源丨深蓝AI编辑丨极市平台论文链接：https://arxiv.org/pdf/2311.164931 摘要最近，三维高斯抛雪球技术展示了令人印象深刻的新颖视图合成结果，达到了高保真和高效率。然而，当改变采样率时，例如通过改变焦距或相机距离，会观察到强烈的伪影现象。作者发现，造成这种现象的原因是缺乏三维频率约束和使用了二维空洞滤波器。为了解决这个问题，作者引入了三维平滑滤波器，根据输入...
头疼！3D视觉咋这么难?
3D视觉工坊
02-19 52
话不多说，感谢大家一路以来的陪伴与支持，这里赠送大家一张50元星球优惠券(限时三天内使用)。学习3D视觉核心技术，扫描查看介绍，3天内无条件退款圈里有高质量教程资料、可答疑解惑、助你高效解决问题「导师对3D视觉不是很懂，得不到指导，有项目进来，但是不知道怎么去做？技术栈完全没概念。博主，我应该怎么学起来？身边只有我一个人在做这个方向」「请问对于深度学习在3D方向的学习，有什么值得推荐的学习路线吗？...
3DGS：3D Gaussian Splatting for Real-Time Radiance Field Rendering 论文解读
NPU 研0
09-10 5953
3DGS原理介绍，论文解读。
3DGS学习（四）—— 快速高斯光栅化
m0_63843473的博客
02-25 5635
该过程将3D空间内的3D椭球投影到2D空间中进行渲染，该过程主要对表示椭球的协方差矩阵乘上变换矩阵加以实现。类比到现实生活中，就好像将雪球用力掷向墙壁，啪的一声绽开，在墙上留下了一个中心密集，向四周逐渐变浅变稀疏的雪块。的像素点，我们可以通过视图变化计算出所有在该位置重叠的高斯的深度并排序，最后对排列好的高斯进行alpha融合，返回该像素点最后的颜色值。对于覆盖多个块的高斯，作者复制高斯并为他们分配标识符。确定相机位姿进一步确定视锥体，有利于剔除视锥体以外的部分，防止出现浪费的计算。图片摘自知乎@目难忘。
【三维重建】SpotlessSplats：去除瞬态干扰物的三维高斯喷溅（3DGS）
qq_45752541的博客
08-12 3142
三维高斯喷溅（3DGS）是一种最新的三维重建技术，提供了高效的训练和渲染速度，使其适用于实时应用。然而，目前的方法需要高度控制的环境——没有移动的人或风吹的元素，以及一致的照明——以满足3DGS的视图间一致性假设。这使得重建现实世界的捕获成为问题。我们提出了无斑点斑图，一种利用预训练和通用特征结合鲁棒优化来有效地忽略瞬态干扰物的方法。我们的方法实现了最先进的重建质量。利用神经辐射场（NeRF）和最近的三维高斯喷溅（3DGS）从二维图像中重建三维场景一直是视觉研究的热点。
2025 年 3D Gaussian Splatting（3DGS）论文和代码资源汇总
2401_87064292的博客
12-24 560
这是一个关于 3D Gaussian Splatting 的论文和开源资源列表。
学习笔记之——2D Gaussian Splatting（2DGS）
gwpscut的博客
05-28 1万+
Surfels（surface elements）是体积渲染文献中的“表面元素”或“表面体素”。其他人将其描述为零维n元组，其形状和阴影属性局部近似于对象表面。对象可以由一组密集的点（表面）表示，这些点（表面）保存照明信息。其表达如下：基于surfels的方法基本上都需要几何的GT、深度信息或者在光照已知的场景下才能运行。而2DGS将其结合起来。
3DGS论文中文版（理论部分）
m0_55605361的博客
09-16 2416
最近，辐射场方法彻底改变了使用多张照片或视频捕获的场景的新视角合成技术。但是，要达到高视觉质量，仍然需要训练和渲染成本很高的神经网络。而最近一些速度更快的方法则不可避免地在速度和质量之间做出权衡。对于完整场景（而不仅仅是孤立的物体）以及1080p分辨率的渲染，目前还没有方法能够实现实时显示速率。我们引入了三个关键部分，使我们能够在保持竞争力的训练时间的同时，实现最先进的视觉质量，并且重要的是，允许在1080p分辨率下进行高质量的实时（每秒≥30帧）新视角合成。
【论文阅读 | 三维重建】3D Gaussian Splatting for Real-Time Radiance Field Rendering（3DGS）
进阶中的程序员吃吃的博客
05-15 9619
对3DGS原文进行翻译，以及部分理解。
3D Gaussian Splatting 应用场景及最新进展【附10篇前沿论文和代码】
学姐带你玩AI的博客
01-08 1万+
CV玩家们，知道吗？对，就是计算机视觉最近的新宠，在几个月内席卷三维视觉和SLAM领域的3D高斯。不太了解也没关系，我今天就来和同学们一起聊聊这个话题。如果说NeRF等辐射场方法彻底改变了多张照片或视频主导的场景新视角合成的算法生态，那么3D高斯则是在NeRF的基础上，做到了在保持有竞争力的训练时间的同时实现最先进的视觉质量。
打败一切NeRF！3D高斯论文大盘点
小白学视觉
02-28 638
几个月内超越NeRF的3D Gaussian Spaltting成为计算机视觉的大热方向，而现在有个新的开创性研究，在VR里实时控制3D高斯泼溅生成的物体，距离真正实现又前进了一大步。为了让大家跟上AI日新月异的发展脚步，我盘点了最新的3D高斯论文+综述【附PDF】，希望对大家的学习有所帮助。加课程回复“3D高斯”领取论文合集01 3DGS综述：A Survey on 3D Gaussian ...
【论文阅读|3DGS】CityGaussian: Real-time High-quality Large-ScaleScene Rendering with Gaussians（快读版）
qq_55170097的博客
12-02 1948
本文介绍了CityGaussian（CityGS），这是一种用于大规模3D高斯绘制（3DGS）训练和渲染的新方法，能够实现实时、高质量的大规模场景渲染。CityGS采用了一种新颖的分而治之的训练方法和细节层次（Level-of-Detail，LoD）策略，以提高大规模3DGS训练和渲染的效率。通过全局场景先验和自适应训练数据选择，CityGS能够高效训练并无缝融合。基于融合的高斯原语，我们通过压缩生成不同细节层次，并快速渲染不同尺度的场景。
超越NeRF，3DGS逆天了！52篇精选论文浅谈涨点技巧
深度学习与计算机视觉
05-22 647
3DGS作为先进的三维重建技术，通过3D高斯函数表示体积密度，可快速渲染出高质量图像，在计算机图形学和计算机视觉领域，呈现出巨大潜力，甚至超越NeRF重塑SLAM！今年火爆的算法岗招聘中，3DGS经验更是候选人加分项！研梦非凡于5月21日，特邀了自动驾驶AI专家杨导师，独家上线SIGGRAPH-Best Paper《AI前沿论文系列—3D Gaussian Splatting（3DGS）for R...
论文阅读笔记 之 GS3D
流觞时光
03-31 768
论文：GS3D An Efficient 3D Object Detection Framework for Autonomous Driving GS3D 目录解决问题文章主要贡献问题定义总体流程具体内容一、2D边框检测与方向预测(2D+O subnet)二、Guidance生成2.1 Guidance尺寸估计2.2 Guidance 坐标估计2.3 Guidance 角度估计三、表面特征抽取四、Refine4.1 refine4.2 Quality Aware Loss五、实验结果 解决问题 ① 经典的
3DGS论文大盘点
2301_81515836的博客
07-18 176
学习笔记之——3D Gaussian Splatting源码解读
热门推荐
gwpscut的博客
01-10 4万+
高斯模型的初始化，初始化过程中加载或定义了各种相关的属性使用的球谐阶数、最大球谐阶数、各种张量（_xyz等）、优化器和其他参数。self.active_sh_degree = 0 #球谐阶数self.max_sh_degree = sh_degree #最大球谐阶数# 存储不同信息的张量（tensor）self._xyz = torch.empty(0) #空间位置self._scaling = torch.empty(0) #椭球的形状尺度。
3dgs论文解读
最新发布
03-18
### Deformable 3D Gaussians (3DGS): 高保真单目动态场景重建 #### 背景与动机 随着计算机视觉技术的发展，高精度三维场景重建成为研究热点之一。然而，在处理动态场景时，传统方法往往面临计算复杂度高、实时性差以及难以适应快速变化环境等问题。为此，《Deformable 3D Gaussians for High-Fidelity Monocular Dynamic Scene Reconstruction》提出了基于可变形3D高斯分布的方法来解决这些问题[^1]。 #### 方法概述 该论文的核心思想是利用参数化的3D高斯函数表示物体表面及其属性（如颜色）。通过优化这些高斯分布的位置、方向和形状，可以实现对动态场景的高度逼真的建模。具体来说： - **模型结构**: 使用一组稀疏控制点定义整个场景中的几何信息，并结合局部形变场调整每个高斯核的具体形态。 - **能量最小化框架**: 提出了一个新的目标函数用于联合估计全局运动轨迹与个体对象的状态更新规则。 - **高效渲染管线**: 设计了一种新颖的前向传播机制以加速最终图像合成过程的同时保持高质量输出效果。 #### 技术贡献 相比之前的工作,本文主要有以下几个方面的改进: 1. 引入了灵活可控的变形策略使得系统能够更好地捕捉到复杂的非刚体动作序列; 2. 开发了一个端到端训练流程从而简化了先前依赖手工设定超参的操作步骤 ; 3. 实验验证表明新方案不仅具备更强泛化能力而且运行效率也得到了显著提升. ```python import numpy as np def deform_gaussian(mean, cov_matrix, deformation_field): """ Apply a deformation field to modify the mean and covariance matrix of a Gaussian. Args: mean (np.ndarray): Original mean vector of shape (n,) cov_matrix (np.ndarray): Covariance matrix of shape (n,n) deformation_field (function): Function that takes position vectors and returns modified ones Returns: tuple: Modified mean and covariance after applying deformation """ new_mean = deformation_field(mean) jacobian = compute_jacobian(deformation_field, mean) # Jacobian at 'mean' new_cov = jacobian @ cov_matrix @ jacobian.T return new_mean, new_cov def compute_jacobian(func, point): """Numerically approximate the Jacobian.""" epsilon = 1e-6 dims = len(point) jac = np.zeros((dims,dims)) for i in range(dims): delta = np.zeros_like(point);delta[i]=epsilon f_plus=func(point+delta) f_minus=func(point-delta) jac[:,i]=(f_plus-f_minus)/(2*epsilon) return jac ``` 上述代码片段展示了如何应用给定的变形字段去改变一个标准正态随机变量的行为特性——即其均值位置以及协方差矩阵形式都会受到影响而发生变化。 --- ### SC-GS: Sparse-Controlled Gaussian Splatting 的补充说明 除了《Deformable 3D Gaussians...》之外，《SC-GS: Sparse-Controlled Gaussian Splatting for Editable Dynamic Scenes》同样值得关注。它进一步探讨了通过引入稀疏约束条件改善编辑友好型动态场景的表现力问题[^2]。这种方法允许用户更方便地修改已构建好的虚拟世界内容而不破坏整体一致性。 ---
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值