- 博客(15)
- 收藏
- 关注
RSS订阅原创 QT BUG解决：QMetaObject::connectSlotsByName: No matching signal for xxxxxxxxx
QT BUG解决：QMetaObject::connectSlotsByName: No matching signal for xxxxxxxxx问题描述:采用右键“转到槽”的功能生成的槽函数无法连接到信号，此时会报错该槽没有信号对应（QMetaObject::connectSlotsByName: No matching signal for xxxxxxxxx）解决方案：1、检查是不是同时用了connect() 和on_btnName_clicked()两种方式来调动该槽函数，此时自动连接的模
2022-03-03 17:17:22
1529
原创 【PCL】warning C4819: 该文件包含不能在当前代码页(936)中表示的字符。请将该文件保存为 Unicode 格式以防止数据丢失
打开警告文件，文件→另存为→保存选项卡→编码保存→是否替换（是）→选择Unicode-代码页1200→确定，重新编译即可
2021-12-26 21:26:48
486
原创 【PCL】warning LNK4099: 未找到 PDB“.pdb”正在链接对象,如同没有调试信息一样
“视图”->“解决方案资源管理器”->“属性”->“链接器"->“调试”，在右侧的“生成调试信息”改为“否”，确定即可。
2021-12-26 21:24:12
2415
原创 【论文】pointnet代码解读
1 引言PointNet论文解读已经在前文中做以总结，本文简单讲述PointNet的复现，并对源码及其架构作以总结2 论文复现2.1 环境配置源码：PointNet组件版本：tensorflowGPU1.13.1+cuda10.0.1+cudnn7.4.2配置流程：TensorflowGPU安装2.2 运行1 从Anaconda Prompt中激活TensorflowGPU环境2 进入源码根目录之下，运行train.py3 在dump文件夹之下查看错误训练结果上述错误图片命名格式为
2021-11-21 22:37:53
1234
原创 【TensorFlow】tf.nn.conv2d()函数中的filter用法
问题介绍以tf.Variable(tf.constant([-1,0,0,-1,-1,0,0,-1],shape=(2,2,1,2)))生成卷积核时期待的结果为[[−1,0],[−1,0]][[-1,0],[-1,0]][[−1,0],[−1,0]][[0,−1],[0,−1]][[0,-1],[0,-1]][[0,−1],[0,−1]]但是该VariableVariableVariable的属性arrryarrryarrry所展示的效果为[[[[−1,0]],[[0,−1]]],[[[−1,0]],[
2021-11-16 22:48:16
1385
原创 【Tensorflow】2 softmax图像分类
1 概述本程序所用数据集为MNIST，通过softmax激活函数训练样本，选择得到的标签数据one-hot verctor中的最大值作为结果。在学习率为0.01，batchsize为100，迭代次数为25次时，在测试集上的精确度到达了0.8316。2 代码import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt# 解决版本不兼容问题tf.compat.v1.logging.set_verbosity(tf
2021-10-19 16:57:11
359
原创 【Tensorflow】1 第一个程序：线性回归
1 引言本文使用tensorflow建立了一个线性回归模型，利用随机数拟合了一个y=2xy=2xy=2x的方程，为了方便，舍去了激活函数的使用，采用了batchsize=1的迭代模型。2 代码import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plttf.compat.v1.logging.set_verbosity(tf.compat.v1.logging.ERROR)#绘图数据字典plotdata
2021-10-15 10:53:33
87
原创 【深度学习】5 优化算法：mini-batch、Momentum、RMSprop、Adam、学习率衰减
1 引言历经调试，我们已经建立了一个精确的信息汇总以及决策生成的组织架构，但是光精准还是不够的，要讲究效率。于是我们成立了不同的部门，将公司千千万的员工划归至不同的部门，对于某个时间，各个部门以其专业视角来看待问题。除此之外，还有什么能提高决策生成的效率的方法呢？迭代是一个高度依赖经验的过程，但是也存在一些手段提高迭代的效率。本文内容主要包括两个方面，一是mini−batchmini-batchmini−batch，二是adamadamadam算法。2 mini-batch作者本人在深度学习的过程中，
2021-10-13 15:37:12
353
原创 【论文】点云识别与分割：PointNet
1 引言早期三维场景的识别与分割主要有三种方法，一是多视角，即将多张二维图片堆叠成三维立体做以处理，二是体素化，即对若干能表达实体的立方体素进行处理，三是非欧式处理。点云相较来说容易获取且表达简单，PointNet就是一种点云的识别与分割的方法。2 分析点云主要有三个性质，它决定其不可使用简单的深度学习方法进行分割处理；一是无序性，即点云的输入是无序的，但是其在空间中呈现的效果不会因顺序发生改变；二是空间相关性，点云常表示为(x,y,z,RGB)(x,y,z,RGB)(x,y,z,RGB)格式，空
2021-09-28 00:04:43
1785
原创 【论文】点云实例分割：3D-BoNet
1 简介3D-BoNet是一个高效、优雅、简洁的点云实例分割算法，相较于往常算法，有high objectness、not require expensive and dense proposals、no post-processing steps等特性，主要由bounding box prediction与point mask prediction构成。2 功能介绍2.1 bounding box prediction此功能以一个全局特征向量为输入，回归出若干边界盒，然后以一个联系层将真实值与
2021-09-24 19:05:49
1222
原创 【深度学习】4 深度学习的实践层面：方差与偏差、L2正则化、DropOut正则化
1 引言假设历经训练，前文所述的公司神经网络以及训练完毕，对于下属的各个意见经过开会最终都可汇聚成大boss的输出，那么如何评价这个输出的正确与否呢？或者说如何评价这个公司的执行决策神经网络的性能呢？2 方差和偏差2.1 两个误差首先明确两个概念：验证集误差和训练集误差。这个误差，是和谁比较得出的呢？容易想到，我们神经网络训练完毕后，总代价不会是零，自然的，将训练集样本放入神经网络，得到的输出与真实值的差值即为训练集误差；同样的将验证集样本放入神经网络，得到的输出与验证集真实值的差值即为验证集误差
2021-09-24 18:56:02
326
原创 【深度学习】3 深层神经网络
1 引言如图所示，我们建立了一个四层的神经网络，相对于前文所描述的神经网络，他是一个深层神经网络，接下来，我们将推导这个神经网络建立的过程。深层神经网络2 符号定义上图是一个四层的神经网络，有三个隐藏层。我们可以看到，第一层（即左边数过去第二层，因为输入层是第0 层）有555个神经元数目，第二层555 个，第三层 333 个。我们LLL表示层数，上图：????=4???? = 4L=4，输入层的索引为“0”“0”“0”，第一个隐藏层n[1]=5n^{[1]} = 5n[1]=5 ,表示有 555
2021-09-24 18:38:39
256
原创 【深度学习】2 浅层神经网络
1 问题的引入给一张图片，如何判断它是不是一只猫呢？前文已给出了从数学角度判断的方式，让我们抛开这些，从生理角度想一想。从眼睛接收到图片的光学信号，到大脑给出判断，中间存在一个隐藏的过程。我们在初中生物课本已经学过，身体的一切感知都会生成分泌物，作用在一个个神经元上，个个神经元组成复杂的网络，他们之间通过电信号传递信息，直至最后大脑做出判断。如何将上述过程以数学的角度复现呢？某公司开会，到场的有各部门的领导以及大boss，boss该如何判断当前公司情况呢？2 浅层神经网络我们知道，Logistic
2021-09-24 17:59:06
175
原创 【深度学习】1 Logistic回归与梯度下降
0 前言本文是吴恩达教授深度学习课程的个人笔记，细节之处有所遗漏，如想了解更多请参照《神经网络与深度学习》-Stanford吴恩达教授1 问题的引入假设我们手边有m张猫的图片，以及一张不知道内容的图片，如何判断这张图片是不是猫呢？或者说，这张图片是猫的概率有多大呢？2 分析我们知道，一张图是由若干像素所组成，每个像素上的颜色是由其RGB值确定，假设这里的照片都是64×64像素，因此，一张照片可以看做红绿蓝三个RGB值组成的64×64矩阵。将这64×64个像素纵向排列，我们就得到了一个64×64维度
2021-09-24 17:40:44
229
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