合集-深度学习

RandLANet使用
摘要：torch-points-kernels安装：pip install torch-points-kernels -i https://pypi.tuna.tsinghua.edu.cn/simple https://github.com/torch-points3d/torch-points-ker 阅读全文
posted @ 2022-10-14 13:37 太一吾鱼水 阅读(678) 评论(0) 推荐(0)
将自己的数据转为Randla-net支持的格式
摘要：from sklearn.neighbors import KDTree from os.path import join, exists, dirname, abspath import numpy as np import os, glob, pickle import sys BASE_DIR 阅读全文
posted @ 2023-12-16 09:42 太一吾鱼水 阅读(192) 评论(0) 推荐(0)
深度学习发展历史
摘要：https://www.bookstack.cn/read/paddlepaddle-tutorials/spilt.3.3d52d8126c99cb7b.md https://www.jianshu.com/p/2a5936c2a6dd https://mp.weixin.qq.com/s?__b 阅读全文
posted @ 2024-11-30 10:53 太一吾鱼水 阅读(46) 评论(0) 推荐(0)
U-Net学习与进阶
摘要：1. Res-U-Net https://www.cnblogs.com/alex-bn-lee/p/15224922.html https://blog.csdn.net/BluErroR/article/details/134621879 2.Transformer https://zhuanl 阅读全文
posted @ 2024-05-14 18:15 太一吾鱼水 阅读(44) 评论(0) 推荐(1)
CNN实现手写数字识别
摘要：全部代码如下： import torch import torch.nn as nn import torch.optim as optim import torch.nn.functional as F from torchvision import datasets, transforms # 阅读全文
posted @ 2024-03-25 09:01 太一吾鱼水 阅读(84) 评论(0) 推荐(0)
深度学习素材
摘要：1.人工智能发展历史 1956年达特茅斯会议上首次提出 “人工智能” 概念至今， 人工智能已发展60余年， 经历三次全球发展浪潮， 目前处于第三次发展浪潮之中。 人工智能三次浪潮 [文章1] 2.神经网络基础 （1）线性回归 & 多元线性回归：[视频1] （2）直观感受人工神经网络：[视频1] [视 阅读全文
posted @ 2025-02-12 21:09 太一吾鱼水 阅读(115) 评论(0) 推荐(0)
[Gork]CNN的发展历史
摘要：卷积神经网络（CNN）的发展是深度学习领域的重要篇章，其从神经网络的基础演化到全卷积神经网络（FCNN）的成熟应用，经历了多个关键阶段。以下按照神经网络 → 卷积神经网络 → 全卷积神经网络的脉络，梳理CNN的发展历史： ### 1. 神经网络（Neural Networks, NN）的起源神经网络 阅读全文
posted @ 2025-05-06 13:59 太一吾鱼水 阅读(184) 评论(0) 推荐(0)
请问用于图神经网络的python框架有哪些？
摘要：豆包： 在 Python 中，用于图神经网络（GNN）的框架有很多，以下是一些主流的框架及其特点： 1. PyTorch Geometric (PyG) 特点：基于 PyTorch，提供了丰富的图神经网络层和工具，支持多种图数据结构和任务。 适用场景：研究和原型开发，尤其是需要快速实现新模型的场景。 阅读全文
posted @ 2025-05-13 17:40 太一吾鱼水 阅读(114) 评论(0) 推荐(0)
损失曲线出现先下降后上升
摘要：1. 在深度学习模型训练过程中，为什么一个epoch内损失函数会出现先下降后上升的现象？ 训练中，损失先降后升可能与以下因素相关： 1）学习率过高，初期权重更新使损失下降，但后期过大更新导致拟合偏差； 2）数据批次（batch）分布不均，某些批次噪声大或样本特殊，影响参数调整； 3）正则化项作用，在 阅读全文
posted @ 2025-09-19 15:20 太一吾鱼水 阅读(75) 评论(0) 推荐(0)
Zero-Shot、One-Shot、Few-Shot概念
摘要：Zero-Shot提示：模型只根据任务的描述生成响应，不需要任何示例。 One-Shot提示：只提供一个例子。 Few-Shot提示：提供几个例子。在提示中的作用是通过少量样本引导模型对特定任务进行学习和执行，例如通过提供少量风格或主题示例，引导模型产出具有相似风格或主题的创作。 Zero-Shot 阅读全文
posted @ 2025-09-21 15:08 太一吾鱼水 阅读(46) 评论(0) 推荐(0)
PR曲线绘制
摘要：PR曲线绘制 https://blog.csdn.net/xiang_gina/article/details/149962713 三分钟带你理解ROC曲线和PR曲线 https://blog.csdn.net/Guo_Python/article/details/105820358 https:/ 阅读全文
posted @ 2025-09-23 16:15 太一吾鱼水 阅读(11) 评论(0) 推荐(0)
三个点云深度学习网络的理解
摘要：1.PointNet 关键点1：无序点云，点云无序性与对称函数的关系，对称函数可以忽略点云坐标位置的无序性。 关键点2：输入点云数目N在MLP过程中不变，只是每个点x y z三个坐标的MLP。最终形成 N x 1024 维的全局特征。 关键点3：T-Net旋转网络通过对点云数据进行旋转，使得模型能够 阅读全文
posted @ 2025-01-06 11:15 太一吾鱼水 阅读(115) 评论(0) 推荐(0)
Randla-Net深入理解
摘要：https://blog.51cto.com/u_15278213/5509624 https://blog.csdn.net/gougou0304/article/details/127727325 https://mp.weixin.qq.com/s?__biz=MzAwNTIxNzM5MQ== 阅读全文
posted @ 2025-09-26 16:36 太一吾鱼水 阅读(9) 评论(0) 推荐(0)