- 博客(34)
- 收藏
- 关注
RSS订阅原创 Restful路径下编写controller层及其增删改查
controller层就是和用户打交道，直接与前端进行交互。可调用service层，要先的到对象一般使用自动装配，因此controller层总是使用@Autowired得到一个service对象。二、controller类简单示例定义了一个对与教师的teacher的controller业务@AutowiredteacherService是由mabtis自动创建的Service层将返回值作为json对象返回：@RestController其源码import ...@AliasFor(
2023-05-19 21:24:50
1294
原创 远程桌面，openGL
众所周知，OpenGL作为图形界的工业标准，其仅仅定义了一组2D和3D图形接口API，而对于窗口管理、IO消息响应等并没有规定。也就是说，OpenGL依赖各平台提供用于渲染的context以及具体实现方式，而各平台提供的实现不尽相同。Windows平台下的WGL、Linux下的Mesa/GLX、Mac OS X下的Cocoa/NSGL，以及跨平台的GLUT、GLFW、SDL等等。Mesa是Linux下的OpenGL实现。
2023-04-27 22:19:42
1722
1
原创 wsl2使用open3d等进行图像绘制
在~/.bashrc文件中添加两个环境变量第一行是让wsl将openGL命令（图形绘制命令）输出到哪里，也就是x-server的位置，这里指的就是我们本地的windows主机在wsl中的ip地址。第二行禁止永远使用间接渲染，如果某些程序想要使用直接渲染那就让他使用直接渲染（设置本地x-server这里一定要禁止native openGL,这里的意思应该是x.org会将一部分glx的某些命令变为使用wgl实现，开启x-server，图像正常显示了！
2023-04-27 22:06:15
1670
原创 通俗举例讲解动态链接、静态链接
b可执行文件执行时，遇到sayHello，就去动态库so中找这个函数的实现位置，这个找的位置有几类，我们经常用的是一个环境变量，叫LD_LABRARY_PATH，假设这里找到了，找到之后就将a.so加载到内存，链接，进行执行。静态链接另一个问题是对程序的更新，部署和发布也会很麻烦，我如果在a中更新了sayHello，那么生成的b，c可执行文件里的sayHello还是老的，需要重新连接，很麻烦耦合度很高。c执行时再用到a.so，此时a.so以及被加载到了内存中，所以不用再重新加载了，直接链接就能使用了。
2023-04-17 22:33:02
1054
原创 python pyc文件
在 Python 中，.pyc 文件是在导入或执行 Python 脚本时由 Python 解释器生成的编译字节码文件。.pyc 文件包含编译后的字节码，可以直接由解释器执行，而不需要每次运行脚本时都重新编译源代码。但是，请务必记住，.pyc 文件特定于生成它们的 Python 版本，不应跨不同版本的 Python 使用。模块在每次导入前总会检查其字节码文件的修改时间是否与自身的一致，如果二者修改时间不一致，则认为要重新编译pyc文件。，因此如果 .pyc 比相应的 .py 更新，关于优化 .pyc 文件。
2023-04-17 20:40:37
1006
原创 自己的完整c++ cuda包
使用编辑器clion，安装好cudatoolkit，cudnn，pytorch环境，编译工具gcc等等。记得要设置好cudatoolkit的环境变量和动态链接库，这样到时候才能找到cudatoolkit和cudnn安装教程可看。
2023-04-16 20:59:20
1096
原创 c++头文件、namespace 的理解、#include、 编译模式
上面已经提到了一点最好是只有声明，尽量不要有定义，如果a.h中定义了变量int a=1，b.h中也定义了int a=1，那么如果有一个文件同时引用了a和b两个头文件，那么根据include是完全替换代码，也就是int a=1会重复定义两次，则会报重复定义的错误。尤其是全局定义，定义在命名空间中就还好，命名空间不重复就不会算成重复定义。
2023-04-15 09:48:22
1754
原创 torch.atan2函数详细解答
arctan实际上是用来计算点(x，y)的弧度的，是tan的反函数，推导如下，α为弧度y=arctan(x)其图像如下 y为弧度，x为任意值，这里不是指上面的x，y但这种弧度计算方式是有缺陷的，比如我想区分如下图A、B两点的弧度，如果AB弧度都是那么就无法区分开了，这也就是atan2解决的东西。
2023-04-11 16:40:00
5769
原创 drop path与drop out
p=0.5dropout和P下面是pytorch官方文档在训练期间，使用伯努利分布的样本，以概率p随机归零输入张量的一些元素。每个信道将在每次前向传播时独立归零。一句话来说就是我让输入的tensor中每一个元素都有p的概率变为0，剩下的元素都除以(1-p)，就是扩大剩余的元素来保证整体平均值一定注意：在pytorch中的p也就是p是让输入归0的概率，也就可以说是输入失效的比例，越高失效越多Dropout作用于神经元也就是输入的tensor数据，而非作用域模型的params。
2023-04-09 22:19:30
530
原创 sparse conv稀疏卷积
"""Args:"""self.features = features # 储存密集的featureself.indices = indices # 储存每个feature对应的voxel坐标系下的坐标self.spatial_shape = spatial_shape #存储voxel的最大边界self.batch_size = batch_size # 储存batch sizeself.indice_dict = {} # 储存坐标之间的对应关系...参数。
2023-04-08 17:20:18
4228
3
原创 PyTorch的自动混合精度amp
scaler的大小在每次迭代中动态的估计，为了尽可能的减少梯度underflow，scaler应该更大；但是如果太大的话，半精度浮点型的tensor又容易overflow（变成inf或者NaN）。所以动态估计的原理就是在不出现inf或者NaN梯度值的情况下尽可能的增大scaler的值——在每次scaler.step(optimizer)中，都会检查是否又inf或NaN的梯度出现：1，如果出现了inf或者NaN，scaler.step(optimizer)会忽略此次的权重更新（optimizer.ste
2023-04-06 12:05:26
225
原创 语义分割评价指标
比如对于猫来说，我预测他不为猫，而且他真的不是猫，这部分我们不管，我们要注意的是我们预测为猫但他不是猫（FP），我们预测不是猫但他真的是猫（FN），以及交集我们预测为猫，他也确实为猫（TP）。positive为我预测为真，negative为我预测为假，true和false表示我预测的对不对,我预测为真（positive）但他是假（negative），我预测地不对，那就是（FP）就是我预测是猫且对了的个数（tp）/全部猫的总数（这里指真实标签）当分类问题是二分问题时，混淆矩阵可以用上面的方法计算。
2023-03-30 15:14:55
190
原创 torch.histc深入理解
用于统计落入区域的值的个数。inputbins=100min=0max=0out=None→Tensorinput (Tensor) – the input tensor.输入的值，统计各个数出现了多少次
2023-03-22 16:03:18
868
原创 batchnormlization、layer normalization通俗理解
对进行归一化处理，在图像处理中当然指的是每一层是一个特征图也就是相同的特征。
2023-03-20 16:24:20
609
原创 endnote使用攻略-修改样式、工作原理、同步机制
导入文献添打开endnote在word中的插件（该插件随着endnote20下载时自动安装的），选择layout，将字体修改为宋体。目前网上的方法有很多，最推荐直接在软件内进行修改，有一些方案并不好用，比如在word中修改模板。还是在word的插件中修改，不能指定1.25倍行距，我们只能在word中手动设置了.都会重新编辑该模板，通过修改word模板的方式修改样式总是会被覆盖。修改引用开头处的间隔，
2023-03-18 11:40:56
6736
1
原创 python个人笔记
for 循环可以将迭代的单个元素拆分，分别赋给变量，前提是单个元素要是可拆分的（比如list，Tensor，tuple），且只会解一层，剩下的如果要分离，还是整体要用（）隔开，相当于最外层的（）不用加，可省略，里面要再拆要加（）。（不设置全局的代码一般不会耗费太多时间，不管你是只导入了B中的一个变量还是一个函数，都会执行完所有代码），需要注意执行时模块/包 内代码变量都是独立的，也就是并不是简单的我把B的代码接在A之前，之前有过这种理解，是不准确的。如fun（a），传递的只是a的值，没有影响a对象本身。
2023-03-17 20:50:54
79
原创 pytorch接口
1、除了MLP和bn层好像都是要特征作用于最后一维，MLP，maxpool、bn层要将特征放在batch号的后边。linear：channel放在最后。
2023-03-17 20:49:59
491
原创 L1,L2正则化及权重衰减的理解
dropout和P下面是pytorch官方文档在训练期间，使用伯努利分布的样本，以概率p随机归零输入张量的一些元素。每个信道将在每次前向呼叫时独立归零。注意在pytorch中的p也就是p是让输入归0的概率，也就可以说是输入失效的比例，越高失效越多python循环调用问题的剖析
2022-12-13 18:24:19
1768
原创 通过跳板服务器连接学校内网服务器并连接pycharm
通过跳板服务器连接学校内网服务器并连接pycharm的完善的一条龙教程，以及自己踩到的坑，包含了ssh的原理，MobaXterm隧道跳板的使用，
2022-12-08 22:00:54
1183
原创 vscode 和jupyter notebook强大的调试功能详细分析
vscode jupyter notebook强大的调试功能详细分析
2022-10-08 11:16:39
4802
2
原创 对于Anaconda安装TensorFlow-gpu版本（附带吴恩达深度学习环境安装）
对于Anaconda安装TensorFlow-gpu版本（附带吴恩达深度学习环境安装）
2022-10-07 17:05:21
626
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