<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[动次打次动次打次]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Chen_2018k</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Chen_2018k]]></copyright><item><title><![CDATA[【VS】命令行参数设置相关]]></title><link>https://blog.youkuaiyun.com/Chen_2018k/article/details/109120842</link><guid>https://blog.youkuaiyun.com/Chen_2018k/article/details/109120842</guid><author>Chen_2018k</author><pubDate>Fri, 16 Oct 2020 17:34:22 +0800</pubDate><description><![CDATA[在VS中向命令行添加参数，即对于main()函数传递参数的方法：

在终端中直接添加相关参数，用空格隔开。
在VS中，右键单击要添加参数的工程–&gt;属性–&gt;配置属性–&gt;调试，在右侧“命令参数”栏输入要添加的参数，各参数间同样用空格隔开。


int main(int argc, char **argv)

对于传递进来的参数，其中argc为对于main函数的参数数，此处为3。argv为字符串数组保存参数值。其中argv[0]为程序名，argv[1]为"Bucky.raw"，argv[2]为“]]></description><category></category></item><item><title><![CDATA[Ubuntu GPU相关命令]]></title><link>https://blog.youkuaiyun.com/Chen_2018k/article/details/108076320</link><guid>https://blog.youkuaiyun.com/Chen_2018k/article/details/108076320</guid><author>Chen_2018k</author><pubDate>Tue, 08 Sep 2020 10:46:17 +0800</pubDate><description><![CDATA[Linux查看Nvidia显卡信息及使用情况
nvidia-smi


表头含义

Fan：显示风扇转速，数值在0到100%之间，是计算机的期望转速，如果计算机不是通过风扇冷却或者风扇坏了，显示出来就是N/A；
Temp：显卡内部的温度，单位是摄氏度；
Perf：表征性能状态，从P0到P12，P0表示最大性能，P12表示状态最小性能；
Pwr：能耗表示；
Bus-Id：涉及GPU总线的相关信息；
Disp.A：是Display Active的意思，表示GPU的显示是否初始化；
Memory Usage：显存]]></description><category></category></item><item><title><![CDATA[Ray_Tracying_Gem_Chapter_28 代码理解]]></title><link>https://blog.youkuaiyun.com/Chen_2018k/article/details/108298371</link><guid>https://blog.youkuaiyun.com/Chen_2018k/article/details/108298371</guid><author>Chen_2018k</author><pubDate>Sat, 29 Aug 2020 21:56:02 +0800</pubDate><description><![CDATA[文件结构
文件结构如下:


hdr_loader.h : 用作外部文件的导入。
main.cpp : 其中包括启动初始化cuda、glew、glfw、新建窗口、添加着色器、创建对于图形界面的各种操作（键盘、鼠标、滑轮等事件）、创建环境的材质、处理相机的移动等。
volume_kernel.h: 其中定义了Kernel_params数据结构，该结构中有包括展示、渲染状态、相机、环境、体定义（volume definition）等相关的参数。
volume_kernel.cu : 需要用到cuda来加速的整个]]></description><category></category></item><item><title><![CDATA[Delta Tracking 理解]]></title><link>https://blog.youkuaiyun.com/Chen_2018k/article/details/108267306</link><guid>https://blog.youkuaiyun.com/Chen_2018k/article/details/108267306</guid><author>Chen_2018k</author><pubDate>Fri, 28 Aug 2020 18:48:09 +0800</pubDate><description><![CDATA[Delta Tracking.
我们可以使用delta tracking来完成在非均质体中自由路径的无偏采样。
一些与这个方法并列的方法，如Closed-form Tracking、Regular Tracking 等追踪方法都应用了“俄罗斯轮盘赌”、“逆变换采样”和“拒绝采样”等方法。
此处的delta tracking 方法（也叫Woodcock tracking）的主要思路是想对于不均质的介质以均质的思路来采样处理，所以首先需要对介质均质化。通过引入假想的介质（fictitious medium），我]]></description><category></category></item><item><title><![CDATA[Optix7文档阅读（二）：基本概念]]></title><link>https://blog.youkuaiyun.com/Chen_2018k/article/details/108141992</link><guid>https://blog.youkuaiyun.com/Chen_2018k/article/details/108141992</guid><author>Chen_2018k</author><pubDate>Fri, 21 Aug 2020 14:54:16 +0800</pubDate><description><![CDATA[1

]]></description><category></category></item><item><title><![CDATA[《Ray Tracing Gems》 学习笔记 （第二章）]]></title><link>https://blog.youkuaiyun.com/Chen_2018k/article/details/108119461</link><guid>https://blog.youkuaiyun.com/Chen_2018k/article/details/108119461</guid><author>Chen_2018k</author><pubDate>Thu, 20 Aug 2020 15:09:28 +0800</pubDate><description><![CDATA[Chapter 2 : what is a Ray?
上一章，我们理解了什么是光线投影(ray casting)和光线追踪（ray tracing）。这章节我们细致来看什么是光线。
ABSTRACT
We define a ray, show how to use ray intervals, and demonstrate how to specify a ray using DirectX Raytracing (DXR).
在本节中，我们会定义一条光线，展示了如何使用光线间隔(ray interval]]></description><category></category></item><item><title><![CDATA[【现代计算机图形学 GAMES101】 第六讲：光栅化及反走样（二）]]></title><link>https://blog.youkuaiyun.com/Chen_2018k/article/details/107443393</link><guid>https://blog.youkuaiyun.com/Chen_2018k/article/details/107443393</guid><author>Chen_2018k</author><pubDate>Thu, 20 Aug 2020 11:05:21 +0800</pubDate><description><![CDATA[第六讲：反走样
在MVP变化之后，有一个视口的变换，我们会把-1到1的三次方映射到屏幕上去，然后就涉及到了光栅化。最重要的思想就是我们要利用像素的中心对三角形可见性这个函数进行采样。
因为我们认为像素是一个有着均匀颜色的小方块，然后我们就用像素的中心，来检测三角形中是否包含这个中心点，然后把对应的像素涂成红色或白色。然后这会出现一点问题。
锯齿
锯齿的学名叫走样（Aliaing），我们要做就是反走样。
那从采样的原理开始说，光栅化的过程其实就是在屏幕空间用一些像素的中心点是否在三角形内这个函数的一个采样，照]]></description><category></category></item><item><title><![CDATA[关于传输方程（transfer function）的总结]]></title><link>https://blog.youkuaiyun.com/Chen_2018k/article/details/107949819</link><guid>https://blog.youkuaiyun.com/Chen_2018k/article/details/107949819</guid><author>Chen_2018k</author><pubDate>Wed, 12 Aug 2020 10:45:03 +0800</pubDate><description><![CDATA[什么是传输方程
在体绘制中，传输方程将三维数据场的数据信息转换为光学成像参数，建立了采样点和光学特征的映射关系。数学上，传输方程可以定义为三维数据的数据属性到光学属性的映射。

传输方程的数据信息
定义域
对于传输方程，可以设置不同的值作为其定义域
体数据通常被看作是连续标量函数f(x)f(x)f(x)的离散表示。最常用的一维传输函数使用标量值作为传输函数的定义域，标量值可以用来区分不同的物质。另外，梯度模也经常用来观察物体形状的边界。
标量值
采样点的标量值是最简单、最常用的数据属性，它可以是三维空间中多]]></description><category></category></item><item><title><![CDATA[【现代计算机图形学 GAMES101】 第五讲：光栅化（一）]]></title><link>https://blog.youkuaiyun.com/Chen_2018k/article/details/107393206</link><guid>https://blog.youkuaiyun.com/Chen_2018k/article/details/107393206</guid><author>Chen_2018k</author><pubDate>Sun, 19 Jul 2020 12:15:52 +0800</pubDate><description><![CDATA[上节回顾
上节主要提到了观测变换 （Viewing transformation）, 其中包括了视图变换和投影变换。所谓的视图变换就是利用摄像机和物体的相对位置关系，始终把摄像机从任意一个位置移动到经典的原点位置，看向-z，并且向上方向是+y。并且保持其他物体和摄像机一样的移动。此时，我们就可以得到所有的物体都是由一个标准位置的相机看过去的，此时我们要做的就是把它从三维投影到二维。投影分为正交投影和透视投影。
区别：

正交投影：把深度信息忽略，假设相机放的无限远
透视投影：我们可以获得一个近大远小的效果
]]></description><category></category></item><item><title><![CDATA[【计算机图形学（华科）】学习笔记]]></title><link>https://blog.youkuaiyun.com/Chen_2018k/article/details/107292677</link><guid>https://blog.youkuaiyun.com/Chen_2018k/article/details/107292677</guid><author>Chen_2018k</author><pubDate>Mon, 13 Jul 2020 10:08:36 +0800</pubDate><description><![CDATA[第一篇：课程预览
课程特点

站在图形渲染管线的视角看计算机图形学
按流水线中的三个概念阶段：应用阶段、几何阶段、光栅化阶段来组织课程
将图形理论和图形编程结合
基于最新的图形理论和图形编程体系
例如：
在理论上，给出了‘法线贴图’、‘光线追踪’、‘延迟渲染’、‘物理渲染’
在实践上，给出了最新的编程体系：基于可编程管线进行编程，采用主流的图形标准：OpenGL。

图1
什么是计算机图形学
研究怎么利用计算机来显示、生成和处理图形的原理、方法和技术的一门学科。对于一个图像来说，输入的是结构特征数据，输出的]]></description><category></category></item><item><title><![CDATA[【Pytorch 学习笔记（五）】：跟着样例学torch]]></title><link>https://blog.youkuaiyun.com/Chen_2018k/article/details/105691786</link><guid>https://blog.youkuaiyun.com/Chen_2018k/article/details/105691786</guid><author>Chen_2018k</author><pubDate>Wed, 22 Apr 2020 20:23:02 +0800</pubDate><description><![CDATA[文章目录跟着样例学torchTensorsWarm-up: numpyTensorsAutogradTensors and autogradPytorch : Defining new autograd functionsnn modulepytorch: nnpytorch: optimPytorch: Custom nn Modulespytorch：Control Flow + Weight...]]></description><category></category></item><item><title><![CDATA[【Pytorch 学习笔记（四）】：训练分类器]]></title><link>https://blog.youkuaiyun.com/Chen_2018k/article/details/105654778</link><guid>https://blog.youkuaiyun.com/Chen_2018k/article/details/105654778</guid><author>Chen_2018k</author><pubDate>Tue, 21 Apr 2020 11:50:24 +0800</pubDate><description><![CDATA[文章目录训练分类器datatraining an image classifier1. Loading and normalizing CIFAR102. Define a Convolutional Neural Network3. Define a Loss function and optimizer4. Train the network5. Test the network on the...]]></description><category></category></item><item><title><![CDATA[【Pytorch 学习笔记（三）】：NN相关]]></title><link>https://blog.youkuaiyun.com/Chen_2018k/article/details/105642109</link><guid>https://blog.youkuaiyun.com/Chen_2018k/article/details/105642109</guid><author>Chen_2018k</author><pubDate>Mon, 20 Apr 2020 19:00:03 +0800</pubDate><description><![CDATA[文章目录NEURAL NETWORKSDefine the networkloss functionBackpropUpdate the weightsREF
NEURAL NETWORKS
我们可以用torch.nn包来构建神经网络。
在之前的文章中了解了autograd,nn包则依赖于autograd包来定义模型并对它们求导。一个nn.Module包括不同的层和用来返回输出的方法forward...]]></description><category></category></item><item><title><![CDATA[【Pytorch 学习笔记（二）】：AUTOGRAD相关]]></title><link>https://blog.youkuaiyun.com/Chen_2018k/article/details/105625755</link><guid>https://blog.youkuaiyun.com/Chen_2018k/article/details/105625755</guid><author>Chen_2018k</author><pubDate>Mon, 20 Apr 2020 14:35:49 +0800</pubDate><description><![CDATA[文章目录AUTOGRAD 相关TensorFunction演示Gradients
AUTOGRAD 相关
AUTOGRAD 包是pytorch中和神经网络关系最为密切的一部分。它可以为基于tensor的的所有操作提供自动微分的功能。它是一个在运行时定义(define-by-run）的框架，这意味着其中的反向传播是根据代码如何运行来决定的，并且每次迭代可以是不同的。
Tensor
torch.Ten...]]></description><category></category></item><item><title><![CDATA[【Pytorch 学习笔记（一）】：Tensor相关]]></title><link>https://blog.youkuaiyun.com/Chen_2018k/article/details/105616776</link><guid>https://blog.youkuaiyun.com/Chen_2018k/article/details/105616776</guid><author>Chen_2018k</author><pubDate>Sun, 19 Apr 2020 21:10:51 +0800</pubDate><description><![CDATA[文章目录Tensors 基本操作newaddviewitemNumPy BridgeTorch tensor  ——&gt; NumPy arrayNumPy array ——&gt;  Torch tensorCUDA Tensors
Tensors 基本操作
100+ tensor相关的操作符文档
Tensor 和NumPy 中的ndarray相似。
new
我们可以通过这样的方式来新建一个t...]]></description><category></category></item><item><title><![CDATA[Leetcode22.括号生成]]></title><link>https://blog.youkuaiyun.com/Chen_2018k/article/details/105479216</link><guid>https://blog.youkuaiyun.com/Chen_2018k/article/details/105479216</guid><author>Chen_2018k</author><pubDate>Sun, 12 Apr 2020 23:40:44 +0800</pubDate><description><![CDATA[文章目录题目描述题解DFS（java）DFS2（java）
题目描述
数字&nbsp;n&nbsp;代表生成括号的对数，请你设计一个函数，用于能够生成所有可能的并且 有效的&nbsp;括号组合。
示例：

输入：n = 3
输出：[
“((()))”,
“(()())”,
“(())()”,
“()(())”,
“()()()”
]

题解
DFS（java）
比较经典的dfs解法，比起全部遍历添...]]></description><category></category></item><item><title><![CDATA[Leetcode面试题13.机器人的运动范围]]></title><link>https://blog.youkuaiyun.com/Chen_2018k/article/details/105400338</link><guid>https://blog.youkuaiyun.com/Chen_2018k/article/details/105400338</guid><author>Chen_2018k</author><pubDate>Wed, 08 Apr 2020 23:29:24 +0800</pubDate><description><![CDATA[文章目录题目描述题解DFS（java）DFS2（java）BFS（java）
题目描述
地上有一个m行n列的方格，从坐标 [0,0] 到坐标 [m-1,n-1]。一个机器人从坐标[0, 0]的格子开始移动，它每次可以向左、右、上、下移动一格（不能移动到方格外），也不能进入行坐标和列坐标的数位之和大于k的格子。
例如，当k为18时，机器人能够进入方格 [35, 37] ，因为3+5+3+7=18。但...]]></description><category></category></item><item><title><![CDATA[Leetcode2.两数相加]]></title><link>https://blog.youkuaiyun.com/Chen_2018k/article/details/105377329</link><guid>https://blog.youkuaiyun.com/Chen_2018k/article/details/105377329</guid><author>Chen_2018k</author><pubDate>Tue, 07 Apr 2020 23:59:07 +0800</pubDate><description><![CDATA[文章目录题目描述题解常规法1（java）常规法2（java）
题目描述
给出两个非空的链表用来表示两个非负的整数。其中，它们各自的位数是按照 逆序 的方式存储的，并且它们的每个节点只能存储一位数字。
如果，我们将这两个数相加起来，则会返回一个新的链表来表示它们的和。
您可以假设除了数字0之外，这两个数都不会以0开头。
示例：

输入：(2 -&gt; 4 -&gt; 3) + (5 -&gt; 6...]]></description><category></category></item><item><title><![CDATA[Leetcode72.编辑距离]]></title><link>https://blog.youkuaiyun.com/Chen_2018k/article/details/105355272</link><guid>https://blog.youkuaiyun.com/Chen_2018k/article/details/105355272</guid><author>Chen_2018k</author><pubDate>Tue, 07 Apr 2020 00:33:36 +0800</pubDate><description><![CDATA[文章目录题目描述题解动态规划（java）
题目描述
给你两个单词 word1 和 word2，请你计算出将 word1 转换成 word2 所使用的最少操作数 。
你可以对一个单词进行如下三种操作：

插入一个字符
删除一个字符
替换一个字符

示例1：

输入：word1 = “horse”, word2 = “ros”
输出：3
解释：
horse -&gt; rorse (将 ‘h’ 替换为...]]></description><category></category></item><item><title><![CDATA[Leetcode42.接雨水]]></title><link>https://blog.youkuaiyun.com/Chen_2018k/article/details/105320916</link><guid>https://blog.youkuaiyun.com/Chen_2018k/article/details/105320916</guid><author>Chen_2018k</author><pubDate>Sun, 05 Apr 2020 00:22:13 +0800</pubDate><description><![CDATA[文章目录题目描述题解暴力法（java）单调栈（java）动态规划（java）
题目描述
给定 n 个非负整数表示每个宽度为 1 的柱子的高度图，计算按此排列的柱子，下雨之后能接多少雨水。
示例：

上面是由数组 [0,1,0,2,1,0,1,3,2,1,2,1] 表示的高度图，在这种情况下，可以接 6 个单位的雨水（蓝色部分表示雨水）。
说明：

输入: [0,1,0,2,1,0,1,3,2,1,...]]></description><category></category></item></channel></rss>