- 博客(16)
- 收藏
- 关注
原创 使用Pybind11链接c++和Python
使用Pybind11链接c++和Python 前期准备 Visual Studio cmake 文件顺序 注:忽略这里的cmake-build-debug文件夹,这个是Clion自己生成的,所以这里只需要新建externals和source文件夹 externals文件夹里存放pybind11的源代码,可以在github上下载,https://github.com/pybind/pybind11/releases,直接下载source code,之后解压到externals文件夹(这里我将其重命名为py
2021-09-16 23:49:05
1213
原创 anchor free网络:DETR
本人的笔记,不好转到优快云上来。 https://www.wolai.com/zihanandhisnote/5AHw944Un9sPCvaBU14hQF?theme=dark
2021-09-12 01:54:10
641
原创 关于torchvision中的ResNeXt
torchvision为我们准备好了ResNeXt网络,可以支持自定义 论文链接:https://arxiv.org/abs/1611.05431 PyTorch代码:https://github.com/miraclewkf/ResNeXt-PyTorch ResNeXt中Aggregate块,使用了组卷积 作者证明了图中( a ), ( b ), ( c )严格相等 使用torch中的nn.conv2(group=),group参数让我们避免了像(a)和(b)所示进行相加或者concatenate.
2021-04-03 13:18:49
1236
原创 pytorch——详解DataLoader中的sampler和collate_fn
最近在使用pytorch复现PointNet分割网络的过程中,在读入数据时遇到了一些问题,需要重写DataLoader中的sampler和collate_fn Sampler sampler的作用是按照指定的顺序向batch里面读入数据,自定义的sampler可以根据我们的需要返回索引,DataLoader会根据我们返回的索引值提取数据,生成batch 注意: 重写sampler需要重写__len__()和__iter__()方法,其中__len__()返回你读入数据的总长度,iter()返回一个迭代器.
2021-03-29 19:27:25
3894
1
原创 信号与系统判断性质
判断线性 输入a x1(t)+b x2(t)a\ x_1(t)+b\ x_2(t)a x1(t)+b x2(t) 判断输出y(t)是否等于a y1(t)+b y2(t)a \ y_1(t)+b\ y_2(t)a y1(t)+b y2(t),等于就是线性的 判断时不变性 输入x(t−t0)x(t-t_0)x(t−t0) 判断输出是否等于y(t−t0)y(t-t_0)y(t−t0),等于就是时不变的 判断记忆性 看是否与
2021-03-19 12:51:21
1695
1
原创 安卓开发之menu菜单
1.建立menu.xml文件 <?xml version="1.0" encoding="utf-8"?> <menu xmlns:android="http://schemas.android.com/apk/res/android"> <item android:id="@+id/add_item" android:title="Add"> </item> <item
2021-02-27 18:44:04
294
原创 Android开发之使用Intent
1. 关于Intent Intent不仅可用于应用程序之间,也可用于应用程序内部的Activity/Service之间的交互。因此,可以将Intent理解为不同组件之间通信的“媒介”专门提供组件互相调用的相关信息。 2. Intent的作用 1.启动Activity 2.启动Service 3.发送广播 3. 如何使用Intent Intent的使用分为两种,显示使用和隐式使用,有两个重载函数 1.Intent(Context packageContext, Class<?>) 第一个参数是启
2021-02-25 20:15:35
367
原创 Kotlin 自动获取id
由于Java中获取id需要频繁的使用findViewById(),Kotlin提供了一个更为简便的方法 直接使用在xml文件中定义的id,当然这个还是用findViewById()实现的 下面进行配置 1. 在项目的build.gradle中写上这么一段话 classpath "org.jetbrains.kotlin:kotlin-android-extensions:$kotlin_version" 2.在app的build.gradle中导入plugin apply plugin:
2021-02-25 00:04:01
909
原创 检测点是否在3D立体中(基于open3d)
Matlab有2D的检测点是否在凸包中的函数,而没有在3D中的函数,所以就自己写了个。 不要问我为啥不用Matlab写,问就是不会 这里用了open3d自带的计算凸包的函数 import numpy as np from get_division_polylines import array_to_pointcloud from load_data import load_data_txt def conv_hull(points: np.ndarray): """ 生成凸包 参考文
2021-02-16 20:14:15
3026
5
转载 判断坐标点是否在不规则多边形内部算法(Python实例)
条件:1.不规则多边形的顶点坐标 2.测试点坐标 下面给出python代码: def pnpoly(vertices, testp): n = len(vertices) j = n - 1 res = False for i in range(n): if (vertices[i][1] > testp[1]) != (vertices[j][1] > testp[1]) and \ testp[0] < (
2021-02-11 00:40:00
3159
原创 最简单的机器学习模型搭建——线性回归(基于Pytorch和Python 3.7)
构建数据集 这里使用的是torch.rand()函数构建数据集 创建一个y=3x+0.8y=3x+0.8y=3x+0.8的线性函数 因为这里的数据量太大,我们选择使用Dataloader将数据集逐步传入进行训练 x_raw = t.rand([20000, 1]) y_raw = x_raw * 3 + .8 batch_size = 10 重写Dataset 根据Pytorch的官方手册,需要重写__getitem__ 方法和 __len__方法 class mydataset(data.Dataset
2021-02-09 18:29:38
396
原创 C++ 三种简单排序 冒泡 选择 插入
本来是大一C语言基础,就在这里记录一下,就当存个板子 简单插入排序 插排是最简单一种排序方法,也是复杂度较高的一种 void Sort::insert_sort(int *num) { for (int i = 0; i < 13; i++) { for (int j = 0; j < i; j++) { if (num[i] > num[j]) { int temp = num[i];
2020-12-25 10:33:46
228
原创 机器学习——最简单的回归——一元线性回归(基于python3.9和sklearn)
最近学 聚类 学累了 ,学一学高中生都会的一元线性回归吧 高中的时候都学过,从一堆离散的点集提取出一个看起来很符合点分布的曲线。即研究输出关于输入的函数映射关系。回归问题的学习过程等价于拟合过程:选择一条曲线使得其能够较良好地拟合数据点的分布。 高中学的都是一元的,而且是线性的,也就是说得到的贴合的曲线是一条直线,今天就来温习一波 熟悉matlab的朋友可能知道自带的regress函数,而在python中需要用到sklearn库的linear_model.LinearRegression()函数 映
2020-12-09 22:34:49
1228
2
原创 聚类算法 之 OPTICS算法总结
DBSCAN由于存在一些缺陷,所以引入的OPTICS算法进行改善 背景: 在DBSCAN算法中,需要人为确定领域半径ϵ \epsilonϵ和密度阈值M MM,同时该算法的性能又对这两个超参数非常敏感,不同的初始参数设定会导致完全不同的结果。基于此,学者们提出了新的聚类算法OPTICS。该聚类算法同样也是基于密度聚类的算法,与DBSCAN不同的是,该算法的设计使得其对初始超参数的设定敏感度较低 基本知识点: core_distance:核心距离 reach_distance:可达距离 具体知识点可以参考这
2020-12-09 00:25:05
4649
2
原创 Pandas基础操作2——DataFrame的基础操作
紧接着上一篇博客,创建了Series跟DataFrame 今天学习DataFrame的行列添加和删除操作,以及append和切片操作 下面看代码: import numpy as np import pandas as pd from pandas import Series, DataFrame # Series s = Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd']) print(s) # >>> # a 1 # b
2020-11-24 23:30:09
367
原创 Pandas基础操作1——Series和DataFrame的创建
由于本人正在学习机器视觉,需要pandas进行简单的**数据处理**,所以在此记录一下 import numpy as np import pandas as pd # Series跟DataFrame是两个不同的数据类型 # 创建Series 1 字典创建 dic = { 'name': 'asd', 'age': 10, 'height': 199 } a = pd.Series(dic) # 字典转换成DataFrame print(dic) # name .
2020-11-24 22:33:10
307
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
RSS订阅