<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[LCJhust2012的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/LCJhust2012</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; LCJhust2012]]></copyright><item><title><![CDATA[Pytorch 踩坑记录——RuntimeError: element 0 of tensors does not require grad and does not have a grad_fn]]></title><link>https://blog.youkuaiyun.com/LCJhust2012/article/details/97014362</link><guid>https://blog.youkuaiyun.com/LCJhust2012/article/details/97014362</guid><author>LCJhust2012</author><pubDate>Tue, 23 Jul 2019 17:45:07 +0800</pubDate><description><![CDATA[Pytorch中， tensor需要定义成require_grad的类型才能求梯度。

可以在定义变量的时候加上“requires_grad=True”

或者，某tensor， tensor_X = tensor_X.requires_grad_()
]]></description><category></category></item><item><title><![CDATA[Pytorch Tensorboard踩坑记录——“ TypeError: Cannot handle this data type”]]></title><link>https://blog.youkuaiyun.com/LCJhust2012/article/details/96836425</link><guid>https://blog.youkuaiyun.com/LCJhust2012/article/details/96836425</guid><author>LCJhust2012</author><pubDate>Mon, 22 Jul 2019 10:47:11 +0800</pubDate><description><![CDATA[在tensorboard中记录图片，即add_image时一直报错“TypeError: Cannot handle this data type”，尝试过将Image类型的数据转换成numpy.array和torch.tensor，均没有得到解决。最后发现是因为待现显示的图片的shape是(H,W,C)， 在pytorch中tensor默认是CHW，而PIL中是HWC。在tensorboardX...]]></description><category></category></item><item><title><![CDATA[开发机上安装Open3d库教程]]></title><link>https://blog.youkuaiyun.com/LCJhust2012/article/details/81875219</link><guid>https://blog.youkuaiyun.com/LCJhust2012/article/details/81875219</guid><author>LCJhust2012</author><pubDate>Mon, 20 Aug 2018 17:51:15 +0800</pubDate><description><![CDATA[最新更新：时隔半年再装open3d时发现下文的方法略麻烦了，感谢网友的分享https://liuqiangblog.github.io/2018/07/23/Open3D%E5%BC%80%E5%8F%91%E7%8E%AF%E5%A2%83%E6%90%AD%E5%BB%BA/

安装python版的open3d,非常方便快捷！


pip install --user open3d-pytho...]]></description><category></category></item><item><title><![CDATA[【论文详解】Sparsity Invariant CNNs]]></title><link>https://blog.youkuaiyun.com/LCJhust2012/article/details/81173599</link><guid>https://blog.youkuaiyun.com/LCJhust2012/article/details/81173599</guid><author>LCJhust2012</author><pubDate>Thu, 02 Aug 2018 11:59:08 +0800</pubDate><description><![CDATA[Abstract

       本文主要研究了稀疏输入下的卷积神经网络，并用稀疏的激光雷达扫描数据进行实验。传统的CNN在输入稀疏数据时性能很差，即使提供了丢失数据的位置，效果也不理想。为了解决这个问题，本文提出了一个简单有效的稀疏卷积层，在卷积运算中明确考虑了丢失数据的位置。 

1.Introduction

       卷积神经网络CNN几乎影响了计算机视觉的所有领域。通常情况下，CNN...]]></description><category></category></item><item><title><![CDATA[【论文详解】In Defense of Classical Image Processing: Fast Depth Completion on the CPU]]></title><link>https://blog.youkuaiyun.com/LCJhust2012/article/details/81356230</link><guid>https://blog.youkuaiyun.com/LCJhust2012/article/details/81356230</guid><author>LCJhust2012</author><pubDate>Thu, 02 Aug 2018 11:50:11 +0800</pubDate><description><![CDATA[        论文《In Defense of Classical Image Processing: Fast Depth Completion on the CPU》提出了一种用经典的图像处理算法进行深度补全的算法，不依赖于任何训练数据，没有使用深度学习模型。

主要贡献：

1.提出了一种快速的深度补全的算法，能从稀疏的深度图中恢复完整的深度图，并且在CPU上可达到90Hz的频率。该算法的...]]></description><category></category></item><item><title><![CDATA[论文详解——GeoNet：Unsupervised Learning of Dense Depth, Optical Flow and Camera Pose]]></title><link>https://blog.youkuaiyun.com/LCJhust2012/article/details/80665698</link><guid>https://blog.youkuaiyun.com/LCJhust2012/article/details/80665698</guid><author>LCJhust2012</author><pubDate>Wed, 13 Jun 2018 13:38:58 +0800</pubDate><description><![CDATA[DepthNet和PoseNet分别预测出深度图和相机姿态，由此可以计算出从目标帧到原帧的二位刚性流rigid flow再由计算得到的rigid flow，结合相机内参/深度图/相机的转移矩阵，warping 得到view synthesis I(s)~, 比较view synthesis与目标帧之间的图像重构误差，即为rigid warping loss。...]]></description><category></category></item><item><title><![CDATA[论文翻译——GeoNet：用于单目深度估计、光流和相机运动的无监督学习框架]]></title><link>https://blog.youkuaiyun.com/LCJhust2012/article/details/80548321</link><guid>https://blog.youkuaiyun.com/LCJhust2012/article/details/80548321</guid><author>LCJhust2012</author><pubDate>Mon, 04 Jun 2018 14:58:20 +0800</pubDate><description><![CDATA[前言    2018年CVPR会议上，商汤科技SenseTime被收录的论文中，有一篇《GeoNet--Unsupervised Learning of Dense Depth, Optical Flow and Camera Pose》，提出了一个叫做GeoNet的框架——一种可以联合学习单目深度、光流和相机姿态的无监督学习框架，其表现超越了现有的一些无监督学习方法，并且取得了可以与监督学习方法...]]></description><category></category></item><item><title><![CDATA[论文阅读笔记——GeoNet之网络结构解读（附源码注释）]]></title><link>https://blog.youkuaiyun.com/LCJhust2012/article/details/80497006</link><guid>https://blog.youkuaiyun.com/LCJhust2012/article/details/80497006</guid><author>LCJhust2012</author><pubDate>Tue, 29 May 2018 15:44:53 +0800</pubDate><description><![CDATA[前言    2018年CVPR会议上，商汤科技SenseTime被收录的论文中，有一篇《GeoNet--Unsupervised Learning of Dense Depth, Optical Flow and Camera Pose》，提出了一个叫做GeoNet的框架——一种可以联合学习单目深度、光流和相机姿态的无监督学习框架，其表现超越了现有的一些无监督学习方法，并且取得了可以与监督学习方法...]]></description><category></category></item><item><title><![CDATA[天池精准医疗大赛：人工智能辅助糖尿病遗传风险预测——新手第一次参加数据竞赛的收获与教训]]></title><link>https://blog.youkuaiyun.com/LCJhust2012/article/details/79367096</link><guid>https://blog.youkuaiyun.com/LCJhust2012/article/details/79367096</guid><author>LCJhust2012</author><pubDate>Sun, 25 Feb 2018 11:25:28 +0800</pubDate><description><![CDATA[前言：初赛215名/2522，A榜成绩一直在前100名，最好时大约排名前10。B榜换了测试数据后，结果大跌眼镜，成绩只有200多名，应该是模型不够稳定，或者说过拟合了。虽然对最终的成绩感到有点小小的遗憾，但在这次比赛中确实收获了不少，做一个小小的总结。第一次参加比赛，会把整个工程都做特别详细的介绍，就当是个小小的教程，分享给有需要的小伙伴们~初赛方案1.数据观察  导入数据，观察数据规模、数据类型...]]></description><category></category></item><item><title><![CDATA[Python语言——Pandas包中的get_dummy()函数用法]]></title><link>https://blog.youkuaiyun.com/LCJhust2012/article/details/78974793</link><guid>https://blog.youkuaiyun.com/LCJhust2012/article/details/78974793</guid><author>LCJhust2012</author><pubDate>Thu, 04 Jan 2018 20:05:30 +0800</pubDate><description><![CDATA[Python语言中，Pandas中的get_dummy()函数是将拥有不同值的变量转换为0/1数值。
举例说明：一群样本的年龄分别为19，32,56,94岁，19岁用1表示，32岁用2表示，56岁用3表示，94岁用4表示。1,2,3,4这些数值的大小本身没有意义，只是用来区分年龄。因此在实际问题中，需要将1,2,3,4转化为0/1，即如果是19岁，则为0，若不是则为1，以此类推。代码如下：]]></description><category></category></item><item><title><![CDATA[Qt窗口部件]]></title><link>https://blog.youkuaiyun.com/LCJhust2012/article/details/78143541</link><guid>https://blog.youkuaiyun.com/LCJhust2012/article/details/78143541</guid><author>LCJhust2012</author><pubDate>Sat, 30 Sep 2017 16:04:52 +0800</pubDate><description><![CDATA[QMainWindow：带有菜单栏和工具栏的主窗口类
QDialog：各种对话框的基类
QWidget：所有的窗口部件都继承自QWidget类，基础窗口部件





Qt中把没有嵌入到其他部件中的部件称为窗口，一般窗口有边框和标题栏。
窗口就是没有父部件的部件，又称为顶级部件；与其对应的是非窗口部件，又称为子部件。
 
QDialog是所有对话框窗口的基类。
模态对话框：]]></description><category></category></item><item><title><![CDATA[Qt初入门“Hello Qt!”]]></title><link>https://blog.youkuaiyun.com/LCJhust2012/article/details/78143116</link><guid>https://blog.youkuaiyun.com/LCJhust2012/article/details/78143116</guid><author>LCJhust2012</author><pubDate>Sat, 30 Sep 2017 15:24:45 +0800</pubDate><description><![CDATA[小白因为项目需要最近开始学习Qt，网上有很多关于软件下载、配置、安装的教程，在官网即可下载点击打开链接。学习所用到的是《Qt 5开发及实例》(第2版)和《Qt Creator快速入门》（第3版），但遇到实际问题的时候更多的还是从网上找大神们的demo，学习之，更高效!

1.如何用纯代码编写一个简单的“Hello Qt！”程序
    第一步.新建空项目。打开Qt Creator并新建项目，]]></description><category></category></item></channel></rss>