张量是TensorFlow最主要的数据结构,张量是数学领域的概念,具体到TensorFlow中,一个张量就是一个张量类的实例,是绑定了相关运算的一个特定类型的多维数组。 1、张量的属性: 所有张量都有一个静态的类型和动态的维数,也就是说你可以实时的改变一个张量的内部结构。 只有张量类型的对象才能在计算图的节点中传递。 张量的阶(rank):表示张量的维度,但跟矩阵的秩又不太一样。它表示
为什么我要写这篇博客呢?因为我刚开始学习深度学习的时候,什么都不懂,网上好多代码调用一次模型都是预测一张图片。然后我对一个文件夹的图片进行预测,调用了一个文件夹图片数量次模型!我太傻了。。。 训练模型部分我就不说了,下面介绍模型预测部分:(代码环境是tensorflow2.0) 读入图片的路径信息、名字列表 #读入所有图片的路径 test_image_path = glob.glo
1、问题描述 我是编译pcdet的时候,执行命令python setup.py develop,出现了如下这样的问题: gcc -pthread -Wno-unused-result -Wsign-compare -DNDEBUG -g -fwrapv -O3 -Wall -fPIC -I/opt/python3.7/lib/python3.7/site-packages/torch/in
感觉这个不常用,但用到了不会就很尴尬了! 增加维度主要是用tf.expand_dims()这个方法,降低维度用的是tf.squeeze()这个方法。下面我放上这两个函数的源代码,其实自己稍微看一下就懂了。 def expand_dims(input, axis=None, name=None, dim=None): """Inserts a dimension of 1 into a t
gcc与g++的安装升级,版本不一致等问题的解决 https://www.cnblogs.com/yujingxiang/p/14459599.html 手动方式 我参考的博客:https://blog.csdn.net/fpcc/article/details/99698783 1.下载gcc高版本安装包 从清华源的镜像中下载需要版本的gcc 2.解压 tar zxvf gcc-x
环境搭建 注意:efficientnet这个库在7月24的时候更新了,keras和tensorflow.keras框架也可以用,想要学习EfficientNet,如果你要训练的模型是7月24日之前的,请安装0.0.4版本。安装代码: pip install -U efficientnet==0.0.4 -i https://pypi.tuna.tsinghua.edu.cn/simple 环境
一、BN层的作用,工作原理? 在模型训练过程中,批量规范化利用小批量的均值和和方差,不断调整神经网络的中间输出(让数据分布变得一致),使整个神经网络各层的中间输出值更加稳定。(BN的作用) 在原论文中,作者提出的解释是,减少内部协变量偏移(internal covariate shift),所以使得最终的训练结果更稳定。实际上,这个方法的解释是不确切的,BN所带来的好处,更多是归一化
这篇文章主要是讲安装cuda和cudnn的,我会一步一步详细说明。 Ubuntu安装Nvidia显卡驱动的操作,这一步一定要小心小心再小心!因为一不小心,你就需要重装系统了!!我是按照这篇博客进行安装的:Ubuntu18.04安装Nvidia显卡驱动教程_CharlesMoCH的博客-CSDN博客_ubuntu18安装nvidia显卡驱动 我的环境:Ubuntu1804 显卡驱动:435.
用tensorflow将图片灰度化,很简单的一个问题,几句代码就OK了。但是这里边有很多坑,稍不留神,半天都不一定找得到原因。我下面说说我遇到的坑,希望看到这篇博客的你,别遇到。 先给代码,再介绍我遇到的坑: import tensorflow as tf import numpy as np import matplotlib.pyplot as plt from keras_prep
TensorRT安装教程推荐这篇文章,github访问不了,就看下边csdn上的那篇: https://arleyzhang.github.io/articles/7f4b25ce/ https://blog.csdn.net/zong596568821xp/article/details/86077553 TensorRT安装的B站视频教程https://www.bilibili.com/
第二节课习题2.熟悉Eigen矩阵运算设线性方程Ax = b,在A 为方阵的前提下,请回答以下问题:在什么条件下,x 有解且唯一? 高斯消元法的原理是什么?通过初等行变换将增广矩阵转化为行阶梯型矩阵,最后再将得到的行阶梯型矩阵还原为线性方程组求出原方程组的解。从下边的例子可以看出方程组中每个方程含有的未知数的个数降到最低,并且最下面的方程含有的未知数的个数最少。例:利用高斯消元法求解方程组
第三节课习题2.群的性质课上我们讲解了什么是群。请根据群定义,求解以下问题:1.{Z,+}是否为群?若是,验证其满足群定义;若不是,说明理由。根据群定义可知{Z,+}是群。证明如下: 3.解释什么是阿贝尔群。并说明矩阵及乘法构成的群是否为阿贝尔群。阿贝尔群(Abel Group)又称交换群或可交换群,它由自身的集合G和二元运算_构成,它除了满足一般的群公理之外,还满足交换律。因为阿贝尔群
第六节课作业 2.LK光流2.1 光流文献综述问题:2.1按此文的分类,光流法可分为哪几类? 注:看了高博视频课里的内容,感觉这里的Additive理解为平移比较好一点。在compositional 中,为什么有时候需要做原始图像的wrap?该wrap 有何物理意义?首先来理解算法的目标,再理解为什么需要做原始图的wrap。算法的目标是有一个模板图像T(x)和一个原始图像I(x),要求给原
第五节课作业2.ORB特征点 ORB(Oriented FAST and BRIEF) 特征是SLAM 中一种很常用的特征,由于其二进制特性,使得它可以非常快速地提取与计算。下面,你将按照本题的指导,自行书写ORB 的提取、描述子的计算以及匹配的代码。代码框架参照computeORB.cpp 文件,图像见1.png 文件和2.png。 2.1 ORB提取本题Fast特征点提取部分使用的Open
第七节课作业2.Bundle Adjustment2.1 文献阅读1.为何说Bundle Adjustment is slow 是不对的?论文page 2,原文:The claimed slowness is almost always due to the unthinking use of a general-purpose optimization routine that complete
选题1:Kitti 的双目视觉里程计 Kitti 的 Odometry 提供了左右双目的视觉图像(以及激光,但本作业不使用激光数据),并提供了标定信息。它一共含有若干个 Sequence,其中一部分 Sequence 的真实轨迹是开放的,另一部分则是隐藏的,作为测试使用。在 Kitti 官网可以上传你对测试部分的轨迹估计,系统会计算与真实轨迹的差异,并给出评分。 现在我们已经介绍了所有
目录 第1章作业 1. 熟悉Linux 请描述apt-get 安装软件的整体步骤,说明Ubuntu 是如何管理软件依赖关系和软件版本的。 什么是软件源?如何更换系统自带的软件源?如何安装来自第三方软件源中的软件? 除了apt-get 以外,还有什么方式在系统中安装所需软件?除了Ubuntu 以外,其他发行版使用什么软件管理工具?请至少各列举两种。 环境变量PATH 是什么?
目录 单目3D目标检测入门 一、单目3D目标检测: 1. 3D目标检测领域有哪些任务和方法? 2. 什么是单目3D目标检测? 3.发展情况 4. 为什么要做单目的3D目标检测? 二、应用场景: 三、相关论文: 四、相关数据集: 五、自动驾驶领域的相关企业: 单目3D目标检测入门 一、单目3D目标检测: 1. 3D目标检测
目录 1. KITTI Dataset 2. Waymo Open Dataset 3. NuScenes DataSet 4. Appllo Scape 5. Lyft L5 6. Argoverse 7. H3D 8. Cityscapes 9. CADC 10. Oxford RobotCar 先来列几个介绍数据集的论文和一些方便
文章目录 CaDDN代码调试-我的电脑 1、环境配置: 2、数据集准备 3、训练一个模型 CaDDN代码调试-云环境 1、数据集打包上传 2、环境配置 3、错误信息 成功运行 Tensorboard日志信息 可视化demo CaDDN代码调试之 docker环境的安装 CaDDN代码调试-我的电脑 CaDDN这一篇我给翻译了,
很久没写过关于环境配置的博客了,这次实在是因为,自己在是在OpenPCDet环境的配置上遇到坑了。一环扣一环,由于我的实验环境是ubuntu16.04,跟网上大多数教程环境不一样,所以遇到了很多版本不匹配问题。 文章目录 实验环境 一、安装步骤 1. 安装之前 2. 配置环境,安装需要的库 3. 安装OpenPCDet 二、可视化部分 1. 安装
实验室有一个镭神C16的激光雷达,最近在我这,想拿来玩一玩。本意是做一个实时的检测,通过ROS获取激光雷达的激光点云,用pointpillars模型来进行实时的三维目标检测任务。但是镭神c16这一个激光雷达,不太好处理,目前只能用自带的驱动,进行一个实时的显示。所以下边的思路就是,先存储镭神c16的点云数据,再用ros进行三维目标检测。 文章目录 1. 思路: 2. 实验
积分
粉丝
勋章
TA还没有专栏噢
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信