- 博客(7)
- 收藏
- 关注
RSS订阅原创 Pixel Splatting的环境配置
本文介绍了如何创建一个名为pixel_splat的Python 3.10虚拟环境并配置深度学习开发环境。主要步骤包括：1) 使用conda创建环境并安装指定版本的PyTorch（2.7.1）、torchaudio和torchvision；2) 通过环境配置文件（environment.yml）更新环境依赖，包含基础库（如OpenSSL、SQLite等）和Python包（NumPy、Matplotlib、OpenCV等）；3) 配置了CUDA 11.8支持及常用深度学习工具（如Lightning、Tensor
2026-05-29 16:54:40
255
原创 【无标题】
打印目录下各子目录的文件数，通过控制 -maxdepth 后面的数字来决定递归到第几层子目录，例如，我要搜索每个子目录下的各个子目录中有多少个文件，-maxdepth 就设置为2.或者，如果想从当前目录的子目录层级开始逐层打印各个子目录中的文件数，可以将-maxdepth 改为-mindepth，参数取1.
2024-07-08 21:47:49
253
1
原创 运行其他人深度学习代码的一些感悟
首先要注意一下自己的CUDA版本和代码中提供的torch版本是否一致在配置环境的文件中，有一些“依赖”的版本会有一些低，比如自己的服务器上，python的版本已经是3.9了，但是环境文件中的python是3.6的，而numpy1.20只支持py3.7以上，这样就尴尬了在配置环境文件中的东西时，最好要用一下镜像，-i 镜像网址，像这样：pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple运行代码是.
2022-03-16 01:01:37
2042
原创 NeRF笔记
NeRF目标：从任意角度渲染出清晰的场景图片<br>优化隐式的连续场景，利用稀疏的视角作为全连接神经网络的输入 输入：两个向量： 1. 空间坐标x（x, y, z三个维度） 2. 视角方向d（θ, φ两个角度，初步怀疑是直角坐标转化为球坐标时用到的两个角度） 由于体素渲染的天然可区分性，用于优化视图的输入只有一系列已知相机视角的图片 输出：两个 1. 体素密度σ 2. 发散颜色 c = (r, g, b) 映射 FΘ : (x, d
2022-02-28 18:04:49
9179
原创 改用自己数据集代替MNIST数据集的自编码器代码（加了几层网络）
我找到了自己改的代码，还加了几层网络，效果确实是比只有一层网络的好import torchfrom torch.utils.data import Dataset import torchvision.datasets as dsetsimport torchvision.transforms as transformsimport torchvisionfrom torch.autograd import Variableimport torch.nn as nnimport osimp
2022-01-10 01:15:25
2659
7
原创 自编码器（AE）代码
AE.pyimport torch import torchvision.datasets as dsetsimport torchvision.transforms as transformsimport torchvisionfrom torch.autograd import Variableimport torch.nn as nnfrom time import timefrom AE import *num_epochs = 200 # 迭代完所有训练数据batch_s
2022-01-07 17:12:25
2552
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