- 博客(6)
- 收藏
- 关注
RSS订阅原创 Transformer模型-编码器与解码器
Transformer的编码器用于理解输入序列的语义信息，并生成每一个Token 的上下文表示。为解码器生成目标序列提供基础。编码器由多个结构相同的编码器层（Encoder Layer）堆叠而成。每个EncoderLayer的主要任务都是对其输入序列进行上下文建模，使每个位置的表示都能融合来自整个序列的全局信息。
2026-03-19 11:17:32
472
原创 快速掌握3D点云
目的：聚合所有点的信息，形成一个能够代表整个点云的、固定长度的全局特征向量。（它最后用一个决策网络（全连接层），根据上一步得到的“核心特征组合”，输出最终的答案：比如“这是车，置信度95%”。每一块积木结合“自己的特点”（我是圆的） + “整体的信息”（我们是一辆车），就能更好地判断自己的身份了：“圆的 + 是车的一部分 = 那我很可能是个轮子！无论点的顺序怎么打乱，每个点都被同等分析。人类的视觉完形能力：当你只看到一张桌子的三个角时，你的大脑会自动“脑补”出被遮挡的第四个角，并想象出桌子的完整形状。
2025-12-11 11:33:37
1454
原创 CV之图像的几何变换
仿射变换是透视变换的一个特例。当透视变换矩阵的第三行是[0, 0, 1]时，它就退化为了仿射变换。仿射变换 = 线性操作（旋转/缩放/剪切）+ 平移；透视变换 = 仿射变换 + 投影变形（近大远小）。选择哪种变换取决于你的应用场景：如果只是想旋转、缩放图片，用仿射变换；如果想校正一个倾斜的文档或广告牌，必须使用透视变换。函数主要用途输出需要配合的函数直接缩放图像缩放后的图像无，直接完成操作计算旋转的变换矩阵一个2x3的矩阵简单来说：想改变图片大小，直接用。想旋转图片，需要两步：先用算。
2025-10-30 16:49:58
1048
原创 openCV基础入门
梯度就是山坡的陡峭程度平缓的山坡→ 梯度小（颜色变化慢）陡峭的悬崖→ 梯度大（颜色变化快）梯度算法 = 在图像中找“颜色悬崖”的技术平缓变化= 没边缘剧烈变化= 有边缘找边缘= 找物体的轮廓就像你在纸上画简笔画时，只画物体的外轮廓一样，梯度算法就是让电脑学会找到这些轮廓线！
2025-10-29 21:59:24
1071
原创 docker的学习记录
然后，用这个盒子创建一个“小房间”（容器），在“小房间”里，程序就能安全地运行，不会受到外面电脑环境的影响。最后整个机器里面用docker启动的所有容器，他们的网络都是互通的，容器之间可以任意互相访问，只需要使用容器IP或者容器名➕容器内的应用端口就可以了，而不用使用外部暴露的端口也不能使用外部暴露的端口。当你执行 docker build 命令时，Docker 引擎会读取这个文件，并按照指令一步步地执行，最终“烹饪”出一个可以直接运行的、包含了你的应用及其所有依赖的 Docker 镜像。
2025-10-16 21:37:46
1137
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