<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[伪民科小白随意折腾随心记]]></title><description><![CDATA[所谓，无所谓。。。]]></description><link>https://blog.youkuaiyun.com/sinat_21835983</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; sinat_21835983]]></copyright><item><title><![CDATA[螺丝工厂vtk ThreadFactory(1)]]></title><link>https://blog.youkuaiyun.com/sinat_21835983/article/details/139673507</link><guid>https://blog.youkuaiyun.com/sinat_21835983/article/details/139673507</guid><author>sinat_21835983</author><pubDate>Fri, 14 Jun 2024 11:19:59 +0800</pubDate><description><![CDATA[【代码】螺丝工厂vtk ThreadFactory(1)]]></description><category></category></item><item><title><![CDATA[学术工作流程：Zotero 和 Obsidian]]></title><link>https://blog.youkuaiyun.com/sinat_21835983/article/details/138642131</link><guid>https://blog.youkuaiyun.com/sinat_21835983/article/details/138642131</guid><author>sinat_21835983</author><pubDate>Fri, 10 May 2024 04:44:13 +0800</pubDate><description><![CDATA[From:by谷歌翻译作为一名学者，我的日常工作要求我收集、阅读和注释资源、创建笔记、撰写手稿（单独和协作）以及引用参考文献。一年过去了，我仍然发现在 Markdown 编辑器中写初稿比在其他流行的文字处理程序中更容易、更稳定，因为它们倾向于缓慢、分散注意力的格式以及与我保存所有笔记的位置分离。Markdown 还具有作为耐用且标准化文件格式的额外好处。我最近无法访问法学院的一整套笔记，因为它们采用通用但特定于程序的格式，此后已经更新，这确实让我认识到未来打样的重要性。]]></description><category></category></item><item><title><![CDATA[手撕乘积(**Multiplication** & **Product**): 穷举和图示(2) 点积的几何意义]]></title><link>https://blog.youkuaiyun.com/sinat_21835983/article/details/135582038</link><guid>https://blog.youkuaiyun.com/sinat_21835983/article/details/135582038</guid><author>sinat_21835983</author><pubDate>Mon, 15 Jan 2024 20:02:16 +0800</pubDate><description><![CDATA[向量的点乘，也叫做向量的内积、数量积。对两个向量执行点乘运算，就是对着两个向量对应位置一一相乘之后求和的操作，点乘的结果是一个标量。(👈🏻小c插话)是一个(n,n)的数组, 好吧其实呢, 我们只需要知道:2x2, 3x3和4x4这三种矩阵, 先从二维开始…点积的几何意义: 可以用来表征或计算两个向量之间的夹角，以及在。所谓的变换矩阵(Transformation matrix),作为起点, 点>>线>>面, 让我们从起点o进入欧氏几何…两个向量之间的夹角是多少?是否正交, 是否同向…]]></description><category></category></item><item><title><![CDATA[手撕乘积(**Multiplication** & **Product**): 穷举和图示(1)]]></title><link>https://blog.youkuaiyun.com/sinat_21835983/article/details/135581932</link><guid>https://blog.youkuaiyun.com/sinat_21835983/article/details/135581932</guid><author>sinat_21835983</author><pubDate>Sun, 14 Jan 2024 12:45:45 +0800</pubDate><description><![CDATA[向量的点乘，也叫做向量的内积、数量积。对两个向量执行点乘运算，就是对着两个向量对应位置一一相乘之后求和的操作，点乘的结果是一个标量。点积的几何意义: 可以用来表征或计算两个向量之间的夹角，以及在。根据这个公式就可以计算向量。以上内容来自维基百科, 由。]]></description><category></category></item><item><title><![CDATA[C桑(Cython)从入门到入土(2): np数组操作对比]]></title><link>https://blog.youkuaiyun.com/sinat_21835983/article/details/135561076</link><guid>https://blog.youkuaiyun.com/sinat_21835983/article/details/135561076</guid><author>sinat_21835983</author><pubDate>Fri, 12 Jan 2024 21:06:44 +0800</pubDate><description><![CDATA[实际上, 👆🏻这个错误是我探索的缘起…Form:👇的内容是小度的回答:这段代码涉及到Cython中的内存视图和numpy数组的使用。Cython是一种用来编写C扩展的Python语言，它可以提高Python代码的执行效率。让我们逐步解释这段代码：::将类型定义为内存视图而不是 numpy 数组的优点是：要从内存视图获取指针，请获取第一个元素的地址：简而言之，这段代码的主要目的是将一个numpy数组转换为连续的内存布局（使用Cython的内存视图），并获取该内存视图的第一个元素的地址。这样做通常是为了提]]></description><category></category></item><item><title><![CDATA[C桑(Cython)从入坑到入土(1)]]></title><link>https://blog.youkuaiyun.com/sinat_21835983/article/details/135560466</link><guid>https://blog.youkuaiyun.com/sinat_21835983/article/details/135560466</guid><author>sinat_21835983</author><pubDate>Fri, 12 Jan 2024 19:34:45 +0800</pubDate><description><![CDATA[一种看待它的方式可能是，您的代码仍然是 Python，因为它在 Python 运行时环境中运行，但不是编译为解释型 Python 字节码，而是编译为本机机器代码（但添加了额外的语法，以便轻松嵌入更快的类 C 代码）。对于较旧的 Cython 版本，设置此宏将使 C 编译失败，因为 Cython 生成使用此已弃用的 C-API 的代码。您可以忽略它，直到您（或您的库的用户）切换到更新的 NumPy 版本，该版本删除了这个长期弃用的 API，在这种情况下，您还需要使用 Cython 3.0 或更高版本。]]></description><category></category></item><item><title><![CDATA[k_d树, KNN算法学习笔记_1 距离和范数]]></title><link>https://blog.youkuaiyun.com/sinat_21835983/article/details/135393985</link><guid>https://blog.youkuaiyun.com/sinat_21835983/article/details/135393985</guid><author>sinat_21835983</author><pubDate>Thu, 04 Jan 2024 19:28:41 +0800</pubDate><description><![CDATA[1．k近邻法是基本且简单的分类与回归方法。k近邻法的基本做法是：对给定的训练实例点和输入实例点，首先确定输入实例点的k个最近邻训练实例点，然后利用这k个训练实例点的类的多数来预测输入实例点的类。2．k近邻模型对应于基于训练数据集对特征空间的一个划分。k近邻法中，当训练集、距离度量、k值及分类决策规则确定后，其结果唯一确定。3．k近邻法三要素：距离度量、k值的选择和分类决策规则。常用的距离度量是欧氏距离及更一般的距离。k值小时，k近邻模型更复杂；k值大时，k近邻模型更简单。k。]]></description><category></category></item><item><title><![CDATA[`vtkClip`多面裁切之闭裁 `vtkClipClosedSurface`(1)]]></title><link>https://blog.youkuaiyun.com/sinat_21835983/article/details/134917857</link><guid>https://blog.youkuaiyun.com/sinat_21835983/article/details/134917857</guid><author>sinat_21835983</author><pubDate>Mon, 11 Dec 2023 05:59:48 +0800</pubDate><description><![CDATA[使用平面集合剪裁闭合曲面。vtkClipClosedSurface  将使用剪裁平面集合 vtkPlaneCollection剪裁闭合的多边形数据图面。它将通过创建新的多边形面来生成新的闭合表面，其中输入数据被裁剪。形成曲面的多边形的方向很重要。多边形具有正面和背面，正是背面定义了闭合曲面的内部或"实体"区域。当剪裁平面切入"实心"区域时，将生成新的切削面，但当剪裁平面切入孔或"空"区域时，不会生成新的切削面。在处理复杂表面时，这种区别至关重要。请注意，如果简单曲面的背面朝外，则该曲面在潜在的无限实体中定义]]></description><category></category></item><item><title><![CDATA[图解NumPy：常用函数的内在机制]]></title><link>https://blog.youkuaiyun.com/sinat_21835983/article/details/134896763</link><guid>https://blog.youkuaiyun.com/sinat_21835983/article/details/134896763</guid><author>sinat_21835983</author><pubDate>Sat, 09 Dec 2023 16:24:59 +0800</pubDate><description><![CDATA[转载From支持大量多维数组和矩阵运算的 NumPy 软件库是许多机器学习开发者和研究者的必备工具，本文将通过直观易懂的图示解析常用的 NumPy 功能和函数，帮助你理解 NumPy 操作数组的内在机制。NumPy 是一个基础软件库，很多常用的 Python 数据处理软件库都使用了它或受到了它的启发，包括 pandas、PyTorch、TensorFlow、Keras 等。理解 NumPy 的工作机制能够帮助你提升在这些软件库方面的技能。而且在 GPU 上使用 NumPy 时，无需修改或仅需少量修改代码。]]></description><category></category></item><item><title><![CDATA[与珎同行录-开篇-231129]]></title><link>https://blog.youkuaiyun.com/sinat_21835983/article/details/134680785</link><guid>https://blog.youkuaiyun.com/sinat_21835983/article/details/134680785</guid><author>sinat_21835983</author><pubDate>Wed, 29 Nov 2023 06:31:36 +0800</pubDate><description><![CDATA['连续的椎体的相邻椎体质心的相邻质心的质心作为当前质心所在的椎体的质心, 该质心的方向代表该椎体的上下方向' 如何代码实现呢?]]></description><category></category></item><item><title><![CDATA[使用 PyTorch 加速生成式 AI：万分加速Segment-Anything, Fast]]></title><link>https://blog.youkuaiyun.com/sinat_21835983/article/details/134680738</link><guid>https://blog.youkuaiyun.com/sinat_21835983/article/details/134680738</guid><author>sinat_21835983</author><pubDate>Wed, 29 Nov 2023 05:30:28 +0800</pubDate><description><![CDATA[PyTorch 团队重写了 Meta 的 Segment Anything （“SAM”） 模型，使代码速度比原始实现快 8 倍...]]></description><category></category></item><item><title><![CDATA[啥是神经网络？深度潜水...]]></title><link>https://blog.youkuaiyun.com/sinat_21835983/article/details/133194553</link><guid>https://blog.youkuaiyun.com/sinat_21835983/article/details/133194553</guid><author>sinat_21835983</author><pubDate>Sat, 23 Sep 2023 06:19:20 +0800</pubDate><description><![CDATA[2023-1-2413 分钟阅读开发神经网络是一个活跃的研究领域，因为学术界和企业都在努力寻找更有效的方法来通过机器学习解决复杂问题。最初，神经网络用于识别垃圾邮件等简单任务，但现在它们已扩展到更复杂的任务，如视觉搜索引擎、推荐系统、聊天机器人和医疗领域。事实上，神经网络被用于从Netflix上的电视推荐到生成文本的所有领域。随着时间的推移，神经网络已经从可以处理有限数据的原始架构发展到在海量数据集上训练了数百万个参数的大型架构。从 YOLO 到 GPT，当今最先进的模型的核心是神经网络。]]></description><category></category></item><item><title><![CDATA[numpy的多项式函数: `poly1d`]]></title><link>https://blog.youkuaiyun.com/sinat_21835983/article/details/133008071</link><guid>https://blog.youkuaiyun.com/sinat_21835983/article/details/133008071</guid><author>sinat_21835983</author><pubDate>Tue, 19 Sep 2023 05:56:16 +0800</pubDate><description><![CDATA[array_like] 多项式系数按照幂的递减顺序给出。如果第二个参数（根）被设置为True，那么数组值就是多项式方程的根。函数有助于定义一个多项式函数。它使得在多项式上应用 "自然操作 "变得容易。[bool, optional] 真意味着多项式的根。我们在多项式中需要的变量如x、y、z。]]></description><category></category></item><item><title><![CDATA[手撕 `np.transpose` : 三维数组的循环转置]]></title><link>https://blog.youkuaiyun.com/sinat_21835983/article/details/132484749</link><guid>https://blog.youkuaiyun.com/sinat_21835983/article/details/132484749</guid><author>sinat_21835983</author><pubDate>Fri, 25 Aug 2023 08:25:07 +0800</pubDate><description><![CDATA[- **对角铁律: 在大阵中, 第一个元素和最后一个元素永远是第一个元素和最后一个元素**
	- **相邻铁律: 在中阵中,第一个元素和最后一个元素相邻关系不变**
	- **相差铁律: 在小阵中, 元素之间的index差值在同一维度永远为1**]]></description><category></category></item><item><title><![CDATA[干草垛(Haystack)里找“`膝尖儿`(Kneedle)”: 算法复现]]></title><link>https://blog.youkuaiyun.com/sinat_21835983/article/details/132088840</link><guid>https://blog.youkuaiyun.com/sinat_21835983/article/details/132088840</guid><author>sinat_21835983</author><pubDate>Fri, 04 Aug 2023 22:46:02 +0800</pubDate><description><![CDATA[膝尖儿膝尖儿。]]></description><category></category></item><item><title><![CDATA[干草垛(Haystack)里找“`膝尖儿`(Kneedle)”：侦测膝点的系统行为]]></title><link>https://blog.youkuaiyun.com/sinat_21835983/article/details/132086117</link><guid>https://blog.youkuaiyun.com/sinat_21835983/article/details/132086117</guid><author>sinat_21835983</author><pubDate>Thu, 03 Aug 2023 17:30:38 +0800</pubDate><description><![CDATA[Kneedl。]]></description><category></category></item><item><title><![CDATA[学习笔记: `scipy.signal.find_peaks` 寻峰函数]]></title><link>https://blog.youkuaiyun.com/sinat_21835983/article/details/132069042</link><guid>https://blog.youkuaiyun.com/sinat_21835983/article/details/132069042</guid><author>sinat_21835983</author><pubDate>Wed, 02 Aug 2023 18:49:53 +0800</pubDate><description><![CDATA[翻译: scipy自带的文档。]]></description><category></category></item><item><title><![CDATA[精调万分(Fine tune SAM)-万分预测器的解读和精调之一]]></title><link>https://blog.youkuaiyun.com/sinat_21835983/article/details/131024022</link><guid>https://blog.youkuaiyun.com/sinat_21835983/article/details/131024022</guid><author>sinat_21835983</author><pubDate>Sun, 04 Jun 2023 22:08:06 +0800</pubDate><description><![CDATA[(segment-anything model, SAM, 万分), 是图像分割领域的革命, 图像分割从此进入大模型时代. 如何自定义这个大模型以为己用?取长补短用于自己的项目?这是一个值得研究的问题, 在这里我试着探索一下,上面, 给出了3个笔记本示例, 我们来看这2个: 全分。全分很简单, 就是对全图点阵采样, 分割生罩.虽然原始的笔记本里面已经提供了显示函数。: 和模型本身的交并比(质量预测):  面积(以像素为单位)很简单的2句, 就可以完成。:  覆框(XYWH)]]></description><category></category></item><item><title><![CDATA[SimpleITK笔记本中ITK细分(Segmentation)介绍]]></title><link>https://blog.youkuaiyun.com/sinat_21835983/article/details/129831533</link><guid>https://blog.youkuaiyun.com/sinat_21835983/article/details/129831533</guid><author>sinat_21835983</author><pubDate>Wed, 29 Mar 2023 10:25:40 +0800</pubDate><description><![CDATA[熟悉ITK中可用的基本分割算法，并以交互方式探索其参数空间。图像分割滤波器处理图像，将其分割成（希望）有意义的区域。输出通常是整数的图像，其中每个整数可以表示一个对象。值0通常用于背景，值1（有时为255）用于前景对象。[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-KPqemDXI-1680056431591)(SimpleITK笔记本中ITK细分.fld/image001.png)]]]></description><category></category></item><item><title><![CDATA[openAI: 入门避坑指南1_宠物命名器]]></title><link>https://blog.youkuaiyun.com/sinat_21835983/article/details/129170920</link><guid>https://blog.youkuaiyun.com/sinat_21835983/article/details/129170920</guid><author>sinat_21835983</author><pubDate>Thu, 23 Feb 2023 00:46:54 +0800</pubDate><description><![CDATA[也就是说，这个简单的例子只展示了可能性的一小部分！在底部，您将看到生成我们上面使用的提示的函数。由于用户将输入其宠物的动物类型，因此它会动态交换提示中指定动物的部分。，单个 API 请求在提示和完成之间最多只能处理 2，048 个令牌（大约 1，500 个单词）。的第 14 行，您将看到发送实际 API 请求的代码。对于更高级的任务，您可能会发现自己希望能够提供比单个提示所能容纳的更多的示例或上下文。允许您提供数百甚至数千个示例，以针对您的特定用例自定义模型。，具体取决于您的设置。]]></description><category></category></item></channel></rss>