wenjie_zhu的博客

原创 ubuntu 18.04 python OpenGL. error. NullFunctionError: glutinit

ubuntu 18.04， pip 安装的 OpenGL，程序中调用glutinit() 报错问题解决。

转载 视觉slam学习资料

（1) orb_slam 官网（网站最后有5篇论文，价值很高）http://webdiis.unizar.es/~raulmur/orbslam/（2)半仙居士blog（可以都看，很经典）http://www.cnblogs.com/gaoxiang12/（3) 贺一加 blog（monocular slam 和navigation讲的很好可以看看）http://blog.csdn.NET/heyijia0327（4)开源代码汇总openslam （里面几乎有所有开源代码）https://ww

原创 LeetCode 316. 去除重复字母

题目链接：https://leetcode-cn.com/problems/remove-duplicate-letters/难度：中等思路：单调栈代码：class Solution {public: string removeDuplicateLetters(string s) { //利用字符的ASCII码值作为数组索引，保存该字符出现的次数，用于判断字符串后面是否还存在该字符 vector<int> count(256); for (auto c: s

原创 LeetCode 875.爱吃香蕉的珂珂

题目链接：https://leetcode-cn.com/problems/koko-eating-bananas/难度：中等思路：二分搜索最小边界问题代码：class Solution {public: //若吃香蕉的速度是 x 根每小时，则需要 f(x) 小时吃完。 int f(const vector<int>& piles, const int x) { int hours = 0; for (const auto&am

原创 LeetCode76. 最小覆盖子串

原创 LeetCode 560. 和为 K 的子数组

题目链接：https://leetcode-cn.com/problems/subarray-sum-equals-k/难度：中等题目描述：给你一个整数数组 nums 和一个整数 k ，请你统计并返回该数组中和为 k 的连续子数组的个数。思路：仍是前缀和的方法，难点在于优化。解法一：暴力破解。先计算前缀和数组，然后利用循环从子数组中寻找等于 k 的个数。这个方法时间复杂度 O(n2)O(n^2)O(n2)，空间复杂度 O(n)O(n)O(n)。并且在 LeetCode 上提交的话是无法通过的，超时。

原创 LeetCode304. 二维区域和检索 - 矩阵不可变

看了 labuladong的算法秘籍后，自己也手推了一遍才彻底搞懂这道题目。算法秘籍中采用的是前缀和的形式进行计算，由于网上关于这道题的题解很多，我就不对该方法进行详细解读了，下面记录一下自己遇到的问题。贴一下题目链接：https://leetcode-cn.com/problems/range-sum-query-2d-immutable/先上代码：class NumMatrix {public: NumMatrix(vector<vector<int>>&

原创 pytorch1.10新功能inference_mode

类原型：CLASS torch.autograd.inference_mode(mode=True)InferenceMode是在pytorch1.10版本中引入的新功能，是一个类似于 no_grad 的新上下文管理器，该模式禁用了视图跟踪和版本计数器，所以在此模式下运行代码能够获得更好的性能，速度也会更快。其参数表示是否启用推理模式。以前在模型评估时，需要：with torch.no_grad(): model.eval() ...现在只需要更改一行代码即可：with torch.inf

原创 论文阅读：A Fourier Perspective on Model Robustness in Computer Vision

Google Brain team 2019年发表在NeurIPS上的文章。实现 distributional shift (分布变化) 的鲁棒性是计算机视觉任务中具有挑战性的目标。数据增强是常用于提升鲁棒性的方法，但是鲁棒增益在不同的 corruption 之间是不统一的。如，在存在随机噪声的情况下提高性能通常会降低模型对其他 corruption (如对比度变化) 的性能，了解何时以及为何发生此类 trade-off 是关键一步。作者调查了最近观察到的由高斯数据增强和对抗训练 (adversarial

原创 Python/Numpy 合并复数的实部和虚部

最近需要使用 FFT 分析图像的频谱。我想在图像FFT后，分别对其实部和虚部进行操作，之后进行合并，再重建回原始图像。话不多说，直接上代码：img = cv2.imread("./data/0.jpg", 0) / 255. # 读取灰度图像img_fft = np.fft.fft2(img)real, imag = img_fft.real, img_fft.imag'''不加操作，只进行合并，有两种方式合并实部和虚部'''# 第一种，通过这种方式得到的值与第二种有偏差，且无法正确重建回原始