- 博客(10)
- 收藏
- 关注
RSS订阅原创 百行代码手写光线追踪
如果我们将交点作为新射线的原点，那么我们可能会将我们现在所在的球体检测为交点和光线之间的物体（intersection在某个objects的表面上，min_distance直接等于0）。到目前为止，我们知道是否存在一条从摄像机/眼睛到物体的直线，我们也知道这是哪个物体，以及我们正在观察的物体的确切部分。在现实中，光从光源发出，向所有方向扩散，反射在物体上，然后进入你的眼睛。这是因为解方程的 t 可以是负值，但这意味着与球面相交的射线的方向向量不是 d，而是 -d（例如，如果球面位于摄像机和屏幕的后面）。
2024-05-05 11:00:00
936
原创 使用 OpenCV 和 FER 在 Python 中进行实时情绪识别
MediaPipe 是一款功能丰富的工具，有兴趣进一步探索实时图像和视频处理的读者可能会发现它的价值。FER 利用预先训练的深度学习模型，分析图像和视频来识别各种情绪，例如愤怒、厌恶、恐惧、快乐、悲伤、惊讶和中立。我们利用 OpenCV 的视频处理功能和面部情绪识别 (FER) 库来提供视频源的实时情绪检测。本文提供了端到端代码实现。它在需要除面部情绪检测之外的更复杂或更多种类型的视觉数据处理和识别任务的场景中尤其有效。此增强功能为我们的情绪检测应用程序添加了更具动态性和交互性的方面，使数据更具吸引力。
2024-05-03 22:06:14
1412
3
原创 编写Python函数的15个层次
佛家有人生三重境界之说，即：“看山是山，看水是水；看山不是山，看水不是水；看山还是山，看水还是水。”编程亦有不同境界层次，本篇文章带领各位初步领略一下Python函数编写的不同方法~
2024-05-02 23:06:54
7
原创 Bellman-ford 求解多条最短路
求一个最短路就如同书上的代码和思路，但是要求多个最短路的话，我们需要维护一个“多维前向节点列表”，在算法执行的过程中如果最小值相同，就把前向节点都保留下来。类似下图0到3的最短路有两条，pre=[[-1],[0],[0],[1,2]],前向节点列表就是这样的组织形式，列表第三个元素是[1,2],代表3号节点的最短路有两条，分别指向1号节点和2号节点从pre来遍历得到回溯节点，不同于树的深度或者广度搜索，可以想象有的叶子节点是公用的，无法直接使用深度或者广度搜索来遍历，况且我们的输出是所有从.
2021-11-16 00:00:00
246
原创 Pytorch loss 函数详解
reduce参数如果为True，计算结果“坍缩”,"坍缩"方法有两种：求和（size_average=False）与平均(size_average=True)1. torch.nn.L1Loss (MAE:Mean Absolute Error)计算绝对值差的总和，输入输出的维度应该相同loss = torch.nn.L1Loss(reduce=False, size_average=False)loss(torch.tensor([1.,2.]),torch.tensor([3.,4...
2021-11-13 14:57:08
4365
1
原创 VAE详解（附pytorch）
VAE:变分自编码器，遵循encoder-decoder结构，但是encoder的结果是正态分布的均值和方差（其实也是一般的参数，只是我们赋予了它们均值和方差的意义）编码是从不同的事物中提取不同的特征，关注下面的蓝色与绿色曲线，并假设它们分别是数字1与2的编码，如果他们的方差都是0，那么图像就是一条在0点处的蓝色竖线和在-2处的绿色竖线，那么编码的十分完美且清晰，但是我们这是生成模型，可以有一些多样性，那么我们的编码就可以模糊一些，就真正如下图所示，如果在绿色与蓝色的交界处进行采样，那么...
2021-11-05 21:22:19
6448
1
原创 梯度惩罚(Pytorch)
起因：希望深度学习输入时小的扰动不会影响结果，我们会在输入端加一些噪声，让模型自己去适应这种扰动，从而提升整体的鲁棒性，CV领域可以直接在图像输入添加噪声，NLP领域因为输入都是one-hot形式，无法直接添加噪声，我们可以考虑在embedding之后的词向量上添加扰动，或者直接在embedding矩阵中添加扰动（FGM方法）。细微的噪声加入图层，对结果影响巨大这里取为loss的梯度，正向梯度loss下降，反向梯度loss上升。 其中为模型参数模型...
2021-10-28 22:33:15
7639
2
原创 Pytorch clone() detach()
1.clone()主要用于模块复用 数据进行复制，不共享同一内存，梯度可以回溯c=torch.tensor(1.0,requires_grad=True)b=c*2d=b**2 （**）b_=b.clone()e_=b_**3e_.backward(retain_graph=True)"""b.zero_() 这里的b是d.backward()的回溯节点（**），在回溯前不能进行in place 操作,目的保证梯度计算正确，但如果是b_.zero_()就不会报错，因为c..
2021-10-27 22:46:37
904
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