python
文章平均质量分 64
python
累了就要打游戏
LiDAR,point cloud,DL
展开
-
PointNet - 2复现语义分割网络:Windows + PyTorch + S3DIS语义分割 + 代码
理论上讲:安装好库有数据就能跑通原创 2024-01-17 21:04:39 · 2013 阅读 · 2 评论 -
laspy V2.x 读写 las 点云
【代码】laspy V2.x 读写 las 点云。原创 2024-01-15 17:23:48 · 490 阅读 · 0 评论 -
PyQt5的基本配置与测试
PyQt5原创 2022-05-07 10:36:00 · 1338 阅读 · 2 评论 -
PyTorch从模型训练到C++部署调用示例—MNIST分类(4)C++调用
的cmake_minimum_required(VERSION 3.0.0 FATAL_ERROR)project(classifyMNIST) find_package(Torch REQUIRED)find_package (OpenCV 4 REQUIRED)set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} ${TORCH_CXX_FLAGS}") message(STATUS "Pytorch status:")message(STATUS "原创 2021-06-25 15:11:51 · 619 阅读 · 0 评论 -
道格拉斯-普客抽稀算法及测试(python动态图解)
道格拉斯-普客抽稀算法的动态图解原创 2021-12-16 17:36:58 · 1479 阅读 · 1 评论 -
点云:python版本的点云数据处理库
点云数据的应用范围越来越广泛,python...嗯...简单,封装多。介绍几个点云数据处理的python库,我用得少(C++才是王道),不喜勿喷,欢迎探讨。一、libLASlibLAS是一个C/C++/Python库(接触的第一个点云处理库),用于读写LAS格式的点云。libLAS支持ASPRS LAS格式规范版本:1.0、1.1、1.2和1.3(基本支持)。虽然libLAS已经被PDAL / Laspy取代,但不可否认,它是一个很nice的库。libLAS库侧重于点云的读写、修改编辑处..原创 2020-10-30 21:38:23 · 17331 阅读 · 9 评论 -
Vondrak滤波及测试(python)
采用某种函数逼近的缺点是事先经常不清楚何种函数对真实情况最符合。实际上,逼近平滑问题属于概率论的范畴,即如何从观测值寻求最可几值[1]。最合适的曲线应该是“绝对逼真”和“绝对平滑”之间某种折中的曲线。原创 2021-11-28 22:19:08 · 1396 阅读 · 1 评论 -
RANSAC原理及直线拟合(python动态图解)
随机采样一致性(Random Sample Consensus,RANSAC)由斯坦福国际研究院的Fischler和Bolles于1981年首次提出[1]。RANSAC算法是一种随机参数估计迭代算法;从一组包含异常数据的样本数据集中,通过迭代的方式,估计已知数学模型的参数,并得到有效样本数据的算法;也可以将其理解为一种点集中离散值的检测方法。原创 2021-11-26 20:37:32 · 8599 阅读 · 3 评论 -
labelme 的安装使用与填坑
这些博客介绍的挺好的:数据标注软件labelme详解labelme 中遇到的问题AttributeError: module 'labelme.utils' has no attribute 'draw_label'下面是笔者曾经的填坑经验,防止忘记,以作记录。一、安装pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple labelme==4.5.2高低版本不通用;高版本报错。所以安装4.5.2版本的。二、令人头疼原创 2021-07-06 16:41:25 · 1013 阅读 · 0 评论 -
pytorch/tensorflow:Win + python + pycharm + CUDA 安装配置
将解压后的三个文件夹(bin、lib、include)复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0。原创 2020-06-20 15:40:08 · 1071 阅读 · 1 评论 -
DL:测试鸢尾花数据回归分析
一、鸢尾花数据集鸢尾花(iris)数据集是一个经典数据集,在统计学习和机器学习领域都经常被用作示例。该数据集有3类(setosa、versicolour、virginica),每类各50个记录,共150条记录,每条记录有4项特征:花萼长度、花萼宽度、花瓣长度、花瓣宽度。下面将利用前100条记录(setosa与versicolour)与前2项特征(花萼长度与花萼宽度)进行预测分类示例。二、测试代码分享给有需要的人,代码质量勿喷。2.1 数据#coding=utf-8import n原创 2020-12-06 19:26:59 · 1284 阅读 · 1 评论 -
LibTorch部署PyTorch模型简单流程
PyTorch模型LibTorch一、配置LibTorch1.1 下载下载地址:https://pytorch.org/下图分别是GPU和CPU的下载地址,GPU版本需要根据CUDA的版本确定。箭头指向为Release版,下方是Debug版。 下载完成后,将…\libtorchCPU\lib添加至环境变量。1.2 CmakeLists.txt与测试代码(1)CmakeLists.txtcmake_minimum_required(VERSION 3.0 ...原创 2021-02-01 11:56:13 · 1732 阅读 · 0 评论 -
PyTorch从模型训练到C++部署调用示例—MNIST分类(3)模型转换为pt
方法# coding=utf-8import torchimport torchvisionimport warningswarnings.filterwarnings("ignore")from Net import Net# 1 模型modelPath=r'E:/py/testMNIST/testModel/model150.pth'device=torch.device('cuda' if torch.cuda.is_available() else 'cpu')mode原创 2021-06-25 15:10:11 · 595 阅读 · 0 评论 -
PyTorch从模型训练到C++部署调用示例—MNIST分类(2)python预测
迭代# coding=utf-8import glob, osimport numpy as npimport cv2import torchimport torchvisionfrom torchvision import datasets,transformsimport warningswarnings.filterwarnings("ignore")from Net import Net# load the modeldevice=torch.device('cud原创 2021-06-25 15:08:32 · 388 阅读 · 0 评论 -
PyTorch从模型训练到C++部署调用示例—MNIST分类(1)模型与训练
import torchimport torch.nn as nnimport torch.nn.functional as Fimport torch.optim as optimfrom torch.utils.data import dataloaderimport torchvisionfrom torchvision import datasets,transformsfrom torchvision.datasets import MNISTimport matplotlib..原创 2021-06-25 15:05:54 · 673 阅读 · 1 评论