- 博客(6)
- 收藏
- 关注
RSS订阅原创 colmap安装记录
选择"使用C++的桌面开发"而后点击安装即可，语言包最好选择英文，不然容易出错。下面说下我遇到的问题，在运行过程中报错提示我缺少visual studio。记录一些安装colmap过程中遇到的坑。一种是直接安装预编译好的二进制代码。点击运行其中的colmap文件即可。打开应该是这个界面，说明安装成功。执行这个试试，应该就不会有问题了。一种是二进制源码，需要自己编译。参考colmap官网，比较详细。官网上一共提供了两种安装方式。安装好后运行进入下面这个界面。详细的安装过程参考官网。完成安装后如果还有问题。
2025-06-28 19:25:15
414
原创 MIT 18.065 深度学习与线性代数学习记录（4）
图示大抵如此，值得注意的是左边投影之外的分量，实际上比右边要长，这是由于左边的投影线在右边这个面之内。由此我们知道了P与b的相互作用会把b分为两个部分，一个是在列空间的部分，一个是垂直列空间的部分，相当于到列空间的距离。第一题：可以知道的是uu^T是投影矩阵，因此这个向量的后半部分就是v在u这条直线上的投影，而w其实就是v,u的差距。的列空间,也就是一个平面，b被分为了两个部分，一个是在平面内的投影，一个是垂直于这个平面的部分。接下来是正交阵的概念，正交阵是列向量为单位向量，且相互正交的方阵。
2025-06-09 19:28:14
1322
原创 MIT 18.065 深度学习与线性代数学习记录（3）
其实就是说每次只考虑第一行第一列，然后剩余的一个矩阵就是把考虑过的位置变成0，如下面所示，如果是三维的则不止一次。也即转置的列空间和未转置零空间中向量的维度是是n,但是，转置列空间的维度是r,零空间的维度是n-r。同理转置的零空间和未转置的列空间中的向量的维度是m,转置的零空间的维度是m-r,未转置的列空间是r。空间的维度指的的是独立向量组成的空间的维度，数学上表示为独立向量的个数，也即是空间的基。这里需要区分空间的维度，和向量的维度。向量的维度指的是向量的分量的个数。假定A为m*n的矩阵，秩为r。
2025-05-28 12:56:30
162
原创 MIT 18.065 深度学习与线性代数学习记录（2）
这几种分解都比较常见，在后续的内容中主要用到的其实是2，3，5三种分解，后续章节会详细讲解。这样的运算需要进行n次，每一次这样的运算中，有mp次乘法运算，因此总的乘法运算为mnp次。n维实对称矩阵必有n个特征值，有些特征值可能是重根，同时必然可以出现n个相互正交的特征向量。但是有一条值得注意的性质，每一次列成行其实都是形成的一个秩为1的矩阵。本节学习的内容有，以列成行的形式完成矩阵乘法，矩阵的五种常见分解。证明的思路如上，列成行的第（i,j）行元素其实就是。因此两个矩阵的乘积也可以视为是秩为1的矩阵的和。
2025-05-28 10:46:02
254
原创 MIT 18.065 深度学习与线性代数学习记录（1）
的列空间中，又有对于每一个列空间向量表示唯一，因此也存在唯一的矩阵使得与原矩阵相乘结果为单位阵，记该矩阵为。由这选出的r列向量组成的空间即为矩阵的列空间，假定矩阵为A,则矩阵A的列空间记作C(A)换一个角度A的行其实就是矩阵R的行向量的线性组合，组合系数矩阵为C，又R的两列线性无关。注意：也可从右到左选取，选取的列向量可能不一样，但是选取的列向量数是一致的均为r。当矩阵满秩时，其列向量可做为3维空间的基，且对于三维空间每一向量的表示都是唯一的。定义：矩阵中所有线性无关的列组成的空间，即为矩阵的列空间。
2025-05-27 16:25:29
796
原创 李沐动手学深度学习记录
由于视频中使用的是ubuntu,而我使用的是本地的window,因此，有些许差异1.1 创建虚拟环境为了管理方便，这里创建了一个名为d2l-zh的虚拟环境1.2 安装需要的包1.3 可能遇到的问题d2l的安装在conda库中并没有，因此需要使用pip进行安装。如果已经换成国内的源，则安装时最好将梯子关掉，避免出现诸如端口连接不上的错误。在安装jupyter时需要考虑版本的适配问题，具体内容参考Jupyter Notebook | 安装 rise 插件后显示幻灯片失败_rise插件-优快云博客1
2025-02-15 21:14:09
986
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