- 博客(6)
- 收藏
- 关注
原创 Ubuntu18.04+GTX1060(1660)+cuda10.1+cudnn7.6.5+pytorch1.7.1配置
深度学习环境配置笔记
2022-07-27 18:43:57
1912
2
原创 解决open3d库安装完成后,导入时报错“ImportError: DLL load failed: 找不到指定的模块”
问题描述:安装了多次open3d库,pyhton3.5,3.6,3.7版本得均试过,虽然显示安装成功,但是导入的时候就时会报错,这个时候参考了https://www.pythonheidong.com/blog/article/233544/这个大佬的博客,然后去下载了一个依赖查询器(要的可以留言哈,当然也可以根据博客中提到的自行下载)。利用这个依赖查询,发现自己缺少VCRUNTIME140_1.dll这个模块,然后我又去https://cn.dll-files.com/download/770184b0a
2020-08-27 09:25:53
3670
4
原创 OPEN3D 可视化使用
一、自建随机点并显示import open3dimport numpy as nppcd = open3d.geometry.PointCloud() # 首先建立一个pcd类型的数据(这是open3d中的数据形式)np_points = np.random.rand(100, 3) # 随机生成点云# 将点云转换成open3d中的数据形式并用pcd来保存,以方便用open3d处理pcd.points = open3d.utility.Vector3dVector(np_points)# 将
2020-06-25 16:59:26
6788
12
转载 conda 配置环境的方法
主要是参考本篇博主的文章,留作以后学习参考,如果有侵权,立马删除https://blog.csdn.net/SARACH_WONG/article/details/89328307#_9
2020-06-10 21:19:33
4346
原创 PointNet++自我总结
PointNet++主要解决了2个问题:一是PointNet点与点之间的局部特征丢失的问题;二是对于点云密度不均匀导致的对于部分点云稀疏处的特征无法准确提取。一、解决局部特征丢失的问题作者主要是采用了对整个点云以一定的邻域约束关系划分为n个球形邻域,每个球形邻域包含k个点,并对这每个球形邻域单独使用PointNet提取特征,将每个球形邻域聚类为一个特征点,再对这n个球形邻域形成的特征点再次重复上述步骤,提取更为精细的特征。这样就保全了点与点之间的局部信息。但这样会面临的问题就是,对于点云稀疏部分区域,如
2020-06-05 08:54:21
632
3
原创 PointNet自我总结
一、网络的总体架构神经网络的本质是一个可以变化的函数(本文的函数如下图所示)所有的训练就是为了调整网络中的权值去使它逼近一个能够处理当前任务的函数,由于点云具有无序性(是一堆空间点的集合,无法保证每次输入网络时点的顺序都是相同的,这就会可能出现,同一个物体的点云,多次输入网络后所提取的特征不同,也就无法实现与本来的标签进行匹配),处理点云的这个神经网络(函数)必须具有对称性(也就是输入的顺序,不影响输出结果,eg,加法,乘法就是对称的)。本文引入的是MaxPooling,但若直接对低维度的特征进行池化操
2020-06-05 08:31:13
337
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