摘要： Automated accurate registration method between UAV image and Google satellite map https://link.springer.com/article/10.1007/s11042-019-7729-7?utm_sour 阅读全文

摘要： https://cloud.tencent.com/developer/article/2011384 1.配置文件在哪 默认情况下，文件位于用户目录下的AirSim文件夹，比如在Windows下，文件位于C:\Users\admin\Documents\AirSim，如下。 C:\Users\do 阅读全文

摘要： GeoGAN：从卫星图像中生成地图的标准层 GeoGAN: A Conditional GAN with Reconstruction and Style Loss to Generate Standard Layer of Maps from Satellite Images https://bl 阅读全文

摘要： https://github.com/DoongLi/awesome-Implicit-NeRF-SLAM 阅读全文

摘要： https://www.guyuehome.com/42802 https://mp.weixin.qq.com/s/uLPgAKa8KjMbuG1VycatuQ https://github.com/MarvinChung/Orbeez-SLAM/blob/main/scripts/evaluat 阅读全文

摘要： 官网 https://junyanz.github.io/CycleGAN/ 代码 https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix 阅读全文

摘要： https://zh.d2l.ai/chapter_computer-vision/neural-style.html import torch import torchvision from torch import nn from d2l import torch as d2l # 1阅读内容和 阅读全文

摘要： 1 理解 1-1 视频看这个，但是要资料的话其公众号说了免费，加了一堆问题就是不发。 https://www.bilibili.com/video/BV1sW4y1J7cL/?p=23&spm_id_from=333.880.my_history.page.click&vd_source=f88ed 阅读全文

摘要： https://www.processon.com/diagraming/6538ba85599d0f3e3d5b11a7 编解码器整体架构 固定上下文 训练阶段 预测阶段 可变上下文 训练阶段 1早先的预测模型 让我们首先定义预测函数来生成prefix之后的新字符， 其中的prefix是一个用户提 阅读全文

摘要： ViT｜ Vision Transformer ｜理论 + 代码_哔哩哔哩_bilibili 课件地址 https://65d8gk.axshare.com/?id=hk98lb&p=%E7%BD%91%E7%BB%9C%E7%BB%93%E6%9E%84&g=1&sc=3 1 不用卷积神经网络那些 阅读全文

摘要： 官方 https://jalammar.github.io/illustrated-transformer/ 知乎解读 https://zhuanlan.zhihu.com/p/266069794 解码器中的自关注层的运行方式与编码器中的运行方式略有不同： 在解码器中，自注意力层只允许关注输出序列中 阅读全文

摘要： 10.5. 多头注意力 — 动手学深度学习 2.0.0 documentation (d2l.ai) Multi-Head Attention | 算法 + 代码_哔哩哔哩_bilibili 代码实现 x[1,4,2] 1几个样本（句子） 4 预测步长（4个单词） 2每个单词的编码后特征长度 fro 阅读全文

摘要： ESP代码 #include <ESP8266WiFi.h> static WiFiClient espClient; #include <ArduinoJson.h> #include <AliyunIoTSDK.h> AliyunIoTSDK iot; #define PRODUCT_KEY " 阅读全文

摘要： 发送端 String msg_esp=String() + String(fengsu[0])+"-" + String(dnegji[0])+"-" + String(MPU_x_y_z[0])+"-" + String(MPU_x_y_z[1])+"-" + String(MPU_x_y_z[2 阅读全文

摘要： 波特率都是4800 设备地址 默认01 广播FF #define mySerial Serial2 // 查询一次 byte Msg_getdata[8]={0x01,0x03,0x00,0x00,0x00,0x02,0xC4,0x0B}; char RecData[9]={0}; // 风速 m/ 阅读全文

摘要： https://github.com/Enzo-MiMan/cv_related_collections/blob/main/deep_learning_basic/self-attention/self_attention.py import torch.nn as nn import torch 阅读全文

摘要： https://www.tensorflow.org/text/guide/word_embeddings 将文本表示为数字 机器学习模型将向量（数字数组）作为输入。处理文本时，您必须做的第一件事是想出一种策略，将字符串转换为数字（或“矢量化”文本），然后再将其输入模型。 1独热编码 作为第一个想法 阅读全文

摘要： 0 为什么会出现注意机制 97. 97 - 097 传统解决方案遇到的问题_哔哩哔哩_bilibili 缺点 1 后续的预测必须用上前面的中间态结果，不能算独立， 不能并行加速计算 2 网络能学习到不同的重点，而不是统一均匀都起到作用。 3 传统词向量训练好，词向量模型不能改变 1 注意力理解概念引 阅读全文

摘要： 复杂实现 import torch from torch import nn from torch.nn import functional as F from d2l import torch as d2l from API_86 import * # 1-1 初始化权重 W b def get_ 阅读全文

摘要： https://huggingface.co/blog/gaussian-splatting 什么是 3D 高斯泼溅？ 3D 高斯泼溅的核心是一种光栅化技术。这意味着： 有描述场景的数据。 在屏幕上绘制数据。 这类似于计算机图形学中的三角形光栅化，用于在屏幕上绘制许多三角形。 然而，它不是三角形，而 阅读全文