- 博客(32)
- 收藏
- 关注
RSS订阅原创 OpenGL Programming Guide (7th Edition) - Chapter 1
假设绘制一帧画面几乎要花费整整 1/24 秒的时间。那么在绘制这一帧的过程中，最先绘制出来的那些图形元素（比如画面中的某些物体、线条等）会在整个 1/24 秒内一直保持可见，并且在屏幕上呈现出一个相对完整、稳定的图像。然而，那些接近这一帧末尾才绘制出来的图形元素就比较 “倒霉” 了，因为当程序开始着手绘制下一帧（也就是要先清除当前屏幕内容，然后开始新的绘制流程）时，它们几乎刚被画出来就马上被清除掉了，根本来不及在屏幕上完整地显示一段时间，供观众的眼睛和大脑形成稳定的视觉印象。
2025-01-10 14:33:48
734
原创 Perlin Noise算法
为了得到更平滑的噪声，有一种算法——Perlin noise：将随机的数字序列变为平滑连接的明暗板块。白噪声：像素点0-1之间随机赋值。噪声本质是随机性的表现。
2025-01-06 13:41:04
431
原创 Three.js Journey (notes)
除了three.js核心库以外，在threejs文件包中。three.js库可以在threejs官方文件包下面的。则更像是一个项目的全局管理和描述文件。目录下，还可以看到各种不同功能的扩展库。更像是一个具体的构建配置文件，而。
2024-12-28 21:30:11
952
原创 Seam Carving For Content-Aware Image Resizing
关键词：Image retargeting, image resizing, image cropping。
2024-12-12 17:58:03
627
原创 Segment Anything - Meta AI
Core：发布了 Segment Anything Model（SAM）和相应的有 10 亿个掩码及 1100 万张图像的数据集（SA-1B），网址为。
2024-12-01 23:23:51
976
原创 AI For Everyone - Week 4 - AI and Society
The way an AI system stores words is using a set of numbers. AI systems are already making important decisions today, and will continue to do so in the future as well. So, bias matters.So, it is susceptible to if an adversary makes changes to a picture tha
2024-11-20 11:51:18
291
原创 AI For Everyone - Building AI In Your Company - Week 3
This week you'll see you how multiple modules can come together to build a much more complex AI product such as a smart speaker or a self-driving car. You also learn what are the major roles in an AI team. how do you build a piece of AI software to unders
2024-11-20 11:12:59
1119
原创 AI For Everyone - Andrew Ng - Week 2
to summarize, the key steps of a machine learning project are to collect data, to train the model, the A to B mapping, and then to deploy the model. Throughout these steps, there is often a lot of iteration, meaning fine-tuning or adapting the model to wor
2024-11-08 11:01:47
867
原创 Take a glance at Computer Vision
在统计学中，零假设通常表示没有效果或没有差异的假设，而备择假设则是研究者想要证明的假设，即存在某种效果或差异。通过比较这两个假设，可以判断观察到的数据是否更倾向于支持备择假设，从而对研究问题得出结论。通过应用贝叶斯定理，我们可以将观察到的证据与先验信念结合起来，计算出更新后的信念（后验概率），从而更准确地预测或推断事件的可能性。
2024-11-03 17:37:54
1305
原创 AI For Everyone -Andrew Ng - week 1
In summary, supervised learning just learns input, output, or A to B mappings. On one hand, input, output A to B seems quite limiting.But when you find the right application scenario, this turns out to be incredibly valuable.The most important idea in AI h
2024-11-03 14:12:43
847
原创 Image Processing：Edge Detection - note(1)
The main purpose of edge detection is to simplify the representation of an image by reducing it to its structural framework, which consists of lines and points. This simplification is crucial for higher-level image analysis tasks such as object recognition
2024-10-31 15:51:57
973
原创 MongoDB Roadmap : MongoDB Basics
SQL (Structured Query Language) databases are also called relational databases.NoSQL databases: non-relational databases that don't follow a fixed schema. Storage formats: JSON documents, key-value pairs, graphs. Popular examples: MongoDB, Cassandra, Redis
2024-10-30 11:53:37
1168
原创 Datawhale X 李宏毅苹果书 AI夏令营 Task3打卡
首先需要确定一个性能指标，比如准确率、损失函数值等，用于评估模型在验证集上的表现。
2024-09-02 22:53:36
807
原创 Datawhale X 李宏毅苹果书 AI夏令营 Task1打卡
损失函数(loss function)：指的是在机器学习中用来衡量模型预测结果与实际结果之间差异的函数。其值越小，代表模型预测结果越接近实际结果。在训练模型时，需要通过不断调整模型参数来最小化损失函数的值。常见的损失函数包括均方误差、交叉熵等。对于简单的模型（函数）y=b+w*x，可以有损失函数L(b,w)来表示损失，其输入是模型的未知参数b或w，输出是模型在当前参数下的预测结果与实际结果之间差异值。对于差异值的计算，有不同的计算方法，其中：①。
2024-08-27 23:31:31
758
原创 Datawhale AI夏令营-大模型技术（微调）Task2打卡
增量预训练微调 (使用场景：让基座模型学习到一些新知识，如某个垂类领域的常识训练数据：文章、书籍、代码等指令跟随微调 (使用场景：让模型学会对话模板，根据人类指令进行对话训练数据：高质量的对话、问答数据。
2024-08-13 16:00:28
1127
原创 Datawhale-动手学CV-Pytorch-MNIST分类实战代码解读
The__init__nn.Module① self 参数self指的是实例Instance本身，在Python类中规定，函数的第一个参数是实例对象本身，并且约定俗成，把其名字写为self，也就是说，类中的方法的第一个参数一定要是self，而且不能省略。self指的是实例本身，而不是类self可以用this替代，但是不要这么去写类的方法中的self不可以省略② __init__ ()方法在python中创建类后，通常会创建一个__init__ ()方法，这个方法会在创建类的实例的时候自动执行。
2024-08-12 10:54:08
1765
原创 AI Python for Beginners-Andrew吴恩达-study notes（2）
【代码】AI Python for Beginners-Andrew吴恩达-study notes（2）
2024-08-11 22:55:31
2233
原创 AI Python for Beginners-Andrew吴恩达-study notes（1）
【代码】AI Python for Beginners-Andrew吴恩达-study notes（1）
2024-08-10 23:24:19
2146
原创 Datawhale数学建模打卡-Task3时间序列与投资模型
移动平均法是用一组最近的实际数据值来预测未来时间序列的一种常用方法。移动平均法适用于短期预测。当序列需求既不快速增长也不快速下降，且不存在季节性因素时，移动平均法能有效地消除预测中的随机波动，是非常有用的。移动平均法根据预测时使用的各元素的权重不同，可以分为：简单移动平均和加权移动平均。移动平均法是一种简单平滑预测技术，它的基本思想是：根据时间序列资料、逐项推移，依次计算包含一定项数的序列平均值，以反映长期趋势的方法。
2024-08-04 21:55:12
1114
原创 Midjourney基础学习教程
fast 切换到快速模式，一般还有 Fast 使用时长不需要切换这个命令；/help 显示关于 Midjourney Bot 的有用基本信息和提示，帮助中心，字面意思；/imagine 使用提示生成一个图像，这个就是生图的命令，输入关键词发送；/info 查看关于你的账户和任何排队或运行中的工作的信息，可以查看账户的剩余作图时长等相关信息；/settings 查看和调整 Midjourney Bot 的设置；/show 使用图像作业 ID，在 Discord 内重新生成作业；
2024-07-30 19:24:38
1370
原创 Datawhale AI 夏令营-Task3 数据增强
数据增强是一种在机器学习和深度学习领域常用的技术，尤其是在处理图像和视频数据时。数据增强涉及对原始数据进行一系列的变换操作，生成新的训练样本。这些变换模拟了真实世界中的变化，对于图像而言，数据增强包括例如视角、光照、遮挡等情况，使得模型能够学习到更加鲁棒的特征表示。注：如果数据增强的变换操作与目标任务的实际场景不符，比如在不需要旋转的图像任务中过度使用旋转，那么这些变换可能会引入无关的噪音。
2024-07-18 15:40:32
890
原创 Datawhale AI 夏令营-Task 1打卡
在深度学习中，模型训练通常需要进行多次迭代，而不是单次完成。深度学习模型的训练本质上是一个优化问题，目标是最小化损失函数。梯度下降算法通过计算损失函数相对于模型参数的梯度来更新参数。由于每次参数更新只能基于一个数据批次来计算梯度，因此需要多次迭代，每次处理一个新的数据批次，以确保模型在整个数据集上都能得到优化。设置训练模式：通过调用将模型设置为训练模式。在训练模式下，模型的某些层（如BatchNorm和Dropout）会按照它们在训练期间应有的方式运行。遍历数据加载器：使用遍历提供的数据批次。input。
2024-07-14 21:00:45
846
1
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