- 博客(17)
- 收藏
- 关注
RSS订阅原创 分布式训练的数学原理
深度学习模型气质就是由数（权重、偏置等）和数与数之间的运算构成，其中的数学原理包括矩阵运算（线性代数）、求导（高等数学）、概率计算（概率论）等。其中矩阵运算（线性代数）是其中十分重要的基础。本文将解释分布式训练中的数据分布式、模型分布式（并行模式、串行模式）的数学原理，这是分布式训练的基础。
2024-09-03 17:24:40
567
原创 python的numpy使用小技巧
要获得numpy数列中满足条件的某些元素，不用通过for循环来获取，可以直接通过numpy.where()来寻找，并且通过获得的索引反向获取元素！
2024-07-30 11:56:09
281
原创 二分查找法python实现
二分查找法也叫折半查找法，主要处理有序数据的查找问题，其时间复杂度为。，优点是比顺序查找要快，缺点是只能处理有序序列。
2024-07-18 15:08:58
392
原创 Python的四种基本数据类型（面试题）
无论是学习python编程还是面试与python相关的岗位，可能都会涉及python的四种基本数据类型，这四种基本数据类型分别是List（队列）、Tuple（元组）、Set（集合）和Dict（字典）。可更改的数据集合，由键值对组成，建（key）不允许重复，值（value）允许重复，以{key: value}表示，如：{1: "小红", 2: "小蓝"}。)表示，如：(1, 2, 5, 3, 1)；]表示，如：[1, 2, 5, 3, 1]；}表示，如：{1, 2, 5, 3}；
2024-07-18 14:40:52
255
原创 Python数据结构与算法学习（一）
中缀表达式指操作符在两个操作数之间，如：A+B；后缀表达式指操作数在两个操作符之后，如：AB+。它们表达同样的意思，即A和B相加。栈是一种线性结构，其基本特性就是先进后出（FILO）。3、中缀表达式转后缀表达式。4、后缀表达式的计算问题。
2024-01-18 20:32:00
448
1
原创 python TT100K数据集标注转化为yolo格式
由于项目需要进行【交通标志检测】，我们选择TT100K数据集作为我们的训练测试数据集。又因为使用的目标检测网络为YOLO系列，所以需要将TT100K数据集的标注转换成yolo格式的标注，并根据项目需要，将TT100K数据集的交通标志分类分为3类：指示标志（标签为1，对应原数据集“i”开头的类别）、禁令标志（标签为2，对应原数据集“p”开头的类别）、警告标志（标签为3，对应原数据集“w”开头的类别）。
2023-12-22 17:00:18
1832
1
原创 TypeError: FormatCode() got an unexpected keyword argument ‘verify‘
【代码】TypeError: FormatCode() got an unexpected keyword argument 'verify'
2023-12-04 16:10:11
1020
原创 SensorCalibration/lidar2camera安装使用记录
SensorCalibration/lidar2camera的安装使用记录。
2023-11-04 22:41:05
1175
1
原创 Ubuntu 22.04部署使用OpenCalib与bug解决
请注意，如果你需要安装其他版本的CMake，只需将步骤4中的下载链接替换为所需版本的链接即可。ubuntu 下 opencv的安装以及配置（亲测有效）_ubuntu安装opencv_绿箭柠檬茶的博客-优快云博客。Ubuntu中pangolin库的安装配置及问题解决_pangolin安装详细步骤_羊羊羊ox的博客-优快云博客。在Ubuntu中安装Eigen3库_ubuntu安装eigen3_咚咚0105的博客-优快云博客。ubuntu安装配置opencv，简洁版_ubuntu安装opencv。
2023-09-05 22:38:54
1017
6
原创 Ubuntu使用笔记
插上硬盘后就会自动挂载了，并不需要mount。就是自动挂载点，此前我并没有进行过挂载操作。我使用的是Ubuntu 11.3.0，
2023-08-24 11:29:19
102
1
原创 PointPainting论文学习
通过语义分割网络为点云提供额外的类别score，辅助进行3D目标检测。因为只改变了点云的信息维度，因此可以很好的融入现有的点云检测框架中。
2023-05-23 16:30:51
190
1
原创 Domain Adaptation via Prompt Learning论文解读
摘要部分无监督域自适应（UDA）旨在将从注释良好的源域学习到的模型自适应到只给出未标记样本的目标域。当前的UDA方法通过对齐源和目标特征空间来学习域不变特征。这种对齐是由统计差异最小化或对抗性训练等约束条件强加的。然而，这些约束可能导致语义特征结构的扭曲和类的可辨别性的丧失。在本文中，我们介绍了一种新的UDA提示学习范式（prompt learning paradigm），即通过提示学习进行域适应（DAPL）。与以前的工作相比，我们的方法使用预训练的视觉语言模型，并且只优化了很少的参数。其主要思想是..
2022-05-29 11:14:24
1679
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