![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 91
古路
这个作者很懒,什么都没留下…
展开
-
vscode使用插件remote-ssh远程连接服务器
生成密钥对,是为了免密登录?我直接使用的git配置的时候的密钥对。用上了公司百万级的服务器 😆 😆 😆 😆。安装插件进行连接就行,原创 2023-05-17 14:46:37 · 3649 阅读 · 0 评论 -
新视角合成 (Novel View Synthesis)
辅助理解Nerf摘抄自这里,抄一遍读一遍吧。这个讲的是真浅显易懂。新视角合成任务 (Novel View Synthesis) 指的是给定源图像 (Source Image) 及源姿态 (Source Pose),以及目标姿态 (Target Pose),渲染生成目标姿态对应的的图片 (Target Image)。新视角合成在 3D 重建、AR/VR 等领域有着广泛的应用。源图像 (Source Image) 好理解,但是源姿态 (Source Pose)指的是什么呢?答案是从相机坐标转换为世界坐标的变换矩转载 2023-03-29 16:47:10 · 2700 阅读 · 0 评论 -
位置编码Positional Encoding
摘抄自这里。在以前的模型中,NLP的每个Sequence都是一个token一个token的输入到模型当中。比如有一句话是“我喜欢吃洋葱”,那么输入模型的顺序就是“我”,“喜”,“欢“,”吃“,”洋“,”葱”,一个字一个字的。上面的输入方式其实就引入了一个问题。一个模型每次只吃了一个字,那么模型只能学习到前后两个字的信息,无法知道整句话讲了什么。为了解决这个问题,Transformer模型引用了Self-attention来解决这个问题。原创 2023-03-23 11:42:02 · 5787 阅读 · 7 评论 -
PyTorch加载自己的数据集
创建一个类,继承自torch.utils.data.Dataset,并重写__len__()和__init__用于向类中传入外部参数,同时定义样本集__len__()方法应该返回数据集的大小方法应该返回一个样本这里另外给出一个例子,其中图片存放在一个文件夹,另外有一个csv文件给出了图片名称对应的标签。Args:Args:Returns:其中:batch_size:样本是按“批”读入的,batch_size就是每次读入的样本数。原创 2023-03-23 10:47:17 · 3232 阅读 · 1 评论 -
nuScenes Map Expansion Tutorial
本地配置还是比较麻烦,使用官方的教程进行学习,官方的教程是基于colab的。其实我更好奇他是如何将数据转换为json文件的?原创 2023-03-13 11:38:38 · 1626 阅读 · 0 评论 -
PyTorch深度学习
‒ 原視頻:https://www.bilibili.com/video/BV1Gi4y1m77E/?‒ 自定义一个 **Dataset 类,它是继承自 pytorch的Dataset这个类,这个类主要实现两个功能:一个是根据样本编号index来获取样本特征,如身高体重,以及获取它的类别;epoch 和 batch的关系就好比我们背一本英语单词,有1000个单词,分10个单元,每个单词相当于一个训练样本,把整本书背一遍称为一个epoch,一个单元的单词称为一个batch即是一个批次。原创 2023-02-07 21:54:46 · 2879 阅读 · 6 评论 -
pytorch学习记录
用户需要先构建神经网络结构,然后在给定的结构上填入数据,再进行一次又一次的运行。但缺点也非常明显,即不够灵活,而且被优化后的网络,对用户不友好,调试时难以轻松知道程序的状态, 而且一旦用户想要根据计算的状态,动态的修改神经网络结构,那么实现起来会非常困难。它直观, 精简, 极度灵活。PyTorch这一工具的定位: 帮助科研人员和工程师, 快速探索和调整模型, 快速构建实验,更适合从0到1的创新工作, 而静态图Tensorflow,更适合已经有了模型, 我们要运用到某些高强度的训练和测试的应用环境下。原创 2023-01-04 16:36:51 · 535 阅读 · 1 评论 -
深度学习环境搭建
打开IDE:settings -> project:*** -> Python Interpreter,add Python Interpreter -> conda environment -> existing environment,选择创建好的conda 虚拟环境。通过安装Anaconda来解决Jupyter Notebook的安装问题,因为Anaconda已经自动安装了Jupter Notebook及其他工具,还有python中超过180个科学包及其依赖项。原创 2022-12-23 17:25:55 · 947 阅读 · 0 评论 -
感知机&&BP神经网络
在第五步选择不同的误分类点,最后得出的模型也不相同,但都能正确的将样本进行区分开。:模型已经确定,参数未知;对模型的求解就是利用观测值来求解模型的参数。,请利用感知机算法求感知机模型。现有如下训练数据集,正样本点。原创 2022-12-22 18:29:33 · 316 阅读 · 0 评论 -
Ubuntu16.04实现Face_Recongnition
Ubuntu16.04实现Face_Recongnition引言1.安装dlib2.安装face_recognition3.code引言水一个作业练习。1.安装dlib参考链接。#从github克隆代码:git clone https://github.com/davisking/dlib.git#构建主dlib库(如果你只想使用Python,则可选):cd dlibmkdir...原创 2019-04-20 11:51:56 · 1123 阅读 · 0 评论 -
ROS Rviz以及gazebo libGL error
ROS Rviz以及gazebo libGL error引言解决方案1、首先删除并重新安装cuda8.0 :2、重装Rviz引言在调试TurtleBot3的时候启动Rviz报错libGL error: No matching fbConfigs or visuals foundlibGL error: failed to load driver: swrast如图:之前肯定是能使用...原创 2018-10-25 10:49:00 · 3497 阅读 · 0 评论 -
ubuntu16.04安装NVIDIA显卡驱动
ubuntu16.04安装NVIDIA显卡驱动引言1.下载2.卸载之前的驱动3.安装引言踩坑半天。以.run方式安装NVIDIA驱动。1.下载NVIDIA中国官网,无需翻墙。选择自己的显卡驱动型号下载。我这里下载的是NVIDIA-Linux-x86_64-410.78.run,不是最新版本但也是很新的版本了,放在/home/yourname/目录下就行,安装完删除就是。另外也不需改名字...原创 2019-03-16 23:24:35 · 2106 阅读 · 0 评论 -
人工神经元网络
人工神经元网络引言1、前馈(forward)网络与线性分类器的关系激活函数f为连续(可微)2、多层感知器(Multi-Layer Perceptron,MLP)异或问题(XOR)的解决引言LaTeX不熟练多为图片。图片多为SWUST模式识别课程李小霞老师课件。1、前馈(forward)网络与线性分类器的关系线性分类器g(x)=wTx+w0=w1x1+w2x2+...+w0g(x...原创 2018-10-27 12:09:08 · 3627 阅读 · 0 评论 -
卷积神经网络
卷积神经网络引言一、深度学习基础与传统神经网络的区别目标函数改进的梯度下降避免过适应二、CNN原理CNN的基本组件池化层的误差反向传播卷积层的误差反向传播总结卷积神经网络引言笔记,留着自己看吧。一、深度学习基础与传统神经网络的区别目标函数改进的梯度下降优化方法参考1 参考2 参考3避免过适应...原创 2018-11-07 20:52:11 · 551 阅读 · 0 评论 -
win7配置安装tensorflow
win7配置安装tensorflow(非GPU版)引言1、配置安装[Anaconda3-4.2.0](https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/)2、通过Anaconda配置相应版本Python3、配置安装TensorFlow引言windows7 + Anaconda3-4.2.0-Windows-x86_64 + Py...原创 2018-10-23 10:11:10 · 405 阅读 · 0 评论 -
Ubuntu 16.04 配置安装 Tensorflow Gpu版本
Ubuntu 16.04 配置安装 Tensorflow Gpu版本1、安装[CUDA8.0](https://developer.nvidia.com/cuda-toolkit-archive)2、更改gcc版本3、安装深度学习库[cuDNN](https://developer.nvidia.com/cudnn)4、安装 Tensorflow Gpu enable python 2.7 版本...原创 2018-10-22 21:32:53 · 804 阅读 · 0 评论