2021年12月
Pointnet_cls
摘要： 点击查看代码 #以下代码是在编码点云的特征后进行的，即在maxpool之后的结构 import torch.nn as nn import torch.utils.data import torch.nn.functional as F from models.pointnet_utils impo 阅读全文
posted @ 2021-12-27 20:16 原来是只呆燕 阅读(78) 评论(0) 推荐(0)
Pointnet-utils
摘要： 点击查看代码 #下面的代码中，可以看出并没有完全按论文中来，可以看出省略了相同的mlp，减少了层数 import torch import torch.nn as nn import torch.nn.parallel import torch.utils.data from torch.autog 阅读全文
posted @ 2021-12-27 15:31 原来是只呆燕 阅读(80) 评论(0) 推荐(0)
ModelNetDataLoader及部分数据示例
摘要： 点击查看代码 ''' @author: Xu Yan @file: ModelNet.py @time: 2021/3/19 15:51 ''' import os import numpy as np import warnings import pickle from tqdm import t 阅读全文
posted @ 2021-12-23 10:26 原来是只呆燕 阅读(344) 评论(0) 推荐(0)
python-pcl学习笔记-关于代码
摘要： 可视化的实例代码 1 点击查看代码 import pcl.pcl_visualization points = np.loadtxt(filepath,delimiter=',',dtype=np.float32).reshape(-1, 4)#这儿的filepath是有很多行数据的文件，每行数据有 阅读全文
posted @ 2021-12-23 10:17 原来是只呆燕 阅读(248) 评论(0) 推荐(0)
conda 常用命令
摘要： conda list 显示自己已安装包 conda create -n name python=3.7（版本号） 创建虚拟环境 source activate name 激活虚拟环境 source deactivate 退出虚拟环境 conda env list 查看已有虚拟环境 conda ins 阅读全文
posted @ 2021-12-21 15:47 原来是只呆燕 阅读(80) 评论(0) 推荐(0)
2021年11月
pycharm中的error总结(后续将一直更新)
摘要： 1、最近搞点云，在pycharm中导入github中的point代码，想可视化一下数据，却发现导入的模块中cv2总是报错，总是找不到该模块，刚开始发现是名字输错了，在加号中找 (下图中有opencv的模块是我成功安装后的情况，这里只介绍一下步骤) 想导入cv2，安装的名字是opencv-python 阅读全文
posted @ 2021-11-20 11:25 原来是只呆燕 阅读(725) 评论(0) 推荐(0)
总结一下最近整合的两段训练的代码(猫狗图片分类)以供以后学习参考使用
摘要： 第一种代码 点击查看代码 import os import random import numpy as np import torch import torch.nn as nn from torch.utils.data import DataLoader,Dataset import torc 阅读全文
posted @ 2021-11-02 19:47 原来是只呆燕 阅读(205) 评论(0) 推荐(0)
2021年10月
总结一下神经网络中的激活函数
摘要： 神经网络中的非线性是由激活层实现的，而激活层是由激活函数组成的，这里介绍四种常见的激活函数。 1.Sigmoid函数首当其冲，该函数区别了神经网络与感知器(激活函数是阶跃函数)，很明显它将输出限制在了(0,1)之间，因此可以与概率分布联系起来，也能用于输入的归一化，该函数的输出值始终大于0，函数的形 阅读全文
posted @ 2021-10-26 21:40 原来是只呆燕 阅读(554) 评论(0) 推荐(0)
浅谈一下图像卷积后的大小推理和几种网络的大致结构
摘要： 怎么知道一张图片经过滤波器处理后的大小（神经网络中）？ 假设输入大小为(H,W),滤波器大小为(FH,FW),输出大小为(OH,OW),填充是P,步幅是S。则经过此滤波器后，图像的大小为 \[ OH=\frac{H+2 P-F H}{S}+1 \] \[ OW=\frac{W+2 P-F W}{S} 阅读全文
posted @ 2021-10-23 16:16 原来是只呆燕 阅读(339) 评论(0) 推荐(0)
简单总结一下深度学习中参数的更新和权重初始化的方法
摘要： 深度学习中，典型的参数更新方法首先是SGD 它的更新方法如下$$\eta,\alpha都是超参数$$ \(w_{2}=w_{1}-\eta \frac{\partial L}{\partial w_{1}}\) 但该方法面对非匀向的损失函数(如呈现延伸状),是收敛不到最小值的，以 \[ F1(x1, 阅读全文
posted @ 2021-10-17 15:18 原来是只呆燕 阅读(1604) 评论(0) 推荐(0)