The website uses cookies. By using this site, you agree to our use of cookies as described in the Privacy Policy.
I Agree
李弘洋
106 articles
My Web Markups - 李弘洋
  • 得到一条EAO曲线，横坐标为序列长度，纵坐标为EAO值
  • 得到了该tracker在长度 N s N_s Ns​序列上的EAO值
  • N v a l i d N_{valid} Nvalid​代表有效帧（valid frames）的数量
  • 重复次数为 N r e p N_{rep} Nrep
  • 在failure发生的5帧之后对tracker重新初始化（reinitialize），这样可以充分利用数据集
  • 评价系统应该在tracker跟丢的时候检测到错误
  • 可能会因为其中一两个因素导致其在开始的某些帧就跟丢（fail），所以最终评价系统只利用了序列的很小一部分，造成浪费
VOT（Visual Object Tracking）评价指标综述_Dr_destiny的博客-CSDN博客
7 annotations
 
blog.csdn.net
449
  • 其结果依赖于所选取的规范，但是它是对各个规范等价的
  • 球面上对每个点的切空间上的方向描述跟所选取的规范有关
  • 一般线性群
  • 规范变换由该向量与可逆矩阵地乘积给出
  • 规范就是一种描述数据的标准
  • 流形上的数据沿着光滑曲线平行于自身进行移动
  • 然而，这样做既不优雅也不可靠，因为模型并没有真正“意识到“这是一个连续的球面流形
  • 更高效（减少参数量）地进行特征提取
  • 对球体的近似
  • 一类可以广泛用在各种流形上的卷积网络
规范等变网络果壳指南 - 知乎
10 annotations
 
zhuanlan.zhihu.com
362
  • 现象被称为毛球定理，因为它类似于无法梳理毛球，而不会产生旋转：
  • 平面是可并行化的
An Easy Guide to Gauge Equivariant Convolutional Networks_Adam坤的博客-CSDN博客
2 annotations
 
blog.csdn.net
364
  • cover the Icosahedron with 5 overlapping maps
  • make sure that a gauge transformation of the input vector results in an equivariant transformation
  • find a representation of that same group that acts on the output vectors
  • make our convolution gauge equivariant
  • fix that and parallel transport the vectors at those points back to the center of our little patch.
  • which is a subgroup of GL
  • we need multiple wind maps
  • general linear group or GL
  • multiplication by an invertible matrix
  • earth’s tangent space
  • tangential to the earth’s surface
  • the plane is parallelizable
  • parallel transport is very dependent on the path taken on a sphere
  • parallel transport
An Easy Guide to Gauge Equivariant Convolutional Networks | by Michael Kissner | Towards Data Science
14 annotations
 
towardsdatascience.com
383
  • 引入自身度矩阵，解决自传递问题
  • 了度矩阵，从而解决了没有考虑自身节点信息自传递的问题
  • Graph Neural Network和Graph Convolutional Network的区别和联系
一文读懂图卷积GCN - 知乎
3 annotations
 
zhuanlan.zhihu.com
559
  • 三个及三个以上满足一定空间关系的平面或圆柱面片能够确定物体位姿的全部六个自由度，因此在几何上是稳定的。
  • 只有物体的深度信息，不包括 RGB 图像，能够有效处理无纹理、弱纹理物体的位姿估计问题
CVPR 2021 | 国防科大：基于几何稳定性分析的物体位姿估计方法_3D视觉工坊-CSDN博客
2 annotations
 
blog.csdn.net
469
  • 绿色代表的滚转运动和蓝色代表的偏航运动他们的旋转轴重合了
  • 是因为这是三轴万向节装置中会出现的现象
万向锁与欧拉角 - 知乎
2 annotations
 
zhuanlan.zhihu.com
541
  • 物体在一个3D世界里面随着旋转顺序和旋转角度的改变，导致物体只能在一个固定的平面旋转，无法旋转到你预想的角度。
3D游戏世界里的万向节锁 - 知乎
1 annotation
 
zhuanlan.zhihu.com
641
  • 任意的四维旋转都可以唯一的拆分为一个左旋转和一个右旋转，表达出来就是
  • 后来我们知道四元数所在群为S3，而四元数所代表的三维旋转是SO(3)，前者是后者的两倍覆盖
(6 封私信 / 6 条消息) 如何形象地理解四元数？ - 知乎
2 annotations
 
www.zhihu.com
567
  • 上面定义的backward称为fake backward函数，也就是假的backward函数，不会在pytorch的自动求梯度图中执行。
  • 上面的backward函数并不会执行也不回打印执行信息
探讨pytorch中nn.Module与nn.autograd.Function的backward()函数 - 知乎
2 annotations
 
zhuanlan.zhihu.com
364
  • 卷积核在赤道覆盖的面积要远大于其在北极覆盖的面积。
  • 因为有些曲面有非常独特的内在性质
  • 并不要求交换律，满足交换律 的叫阿贝尔群
  • 乘积对应两个对称变换的综合效果
  • 群元素对应对称变换
  • 群由群元素，以及群元素之间的乘积定义
  • 某物在某种变换下保持不变的性质叫做对称性
流形上的卷积 - 知乎
7 annotations
 
zhuanlan.zhihu.com
512
  • 核约束是线性的，它的解构成了传统CNN所考虑的无约束核向量空间的一个线性子空间。
  • 为了保存特征空间的转换律ρ(g)，
  • 特征场的变换，也可以用诱导表示（induced representation）来说明
[论文理解]E(2)群等变可操控神经网络General E(2) - Equivariant Steerable CNNs_bxdzyhx的博客-CSDN博客
3 annotations
 
blog.csdn.net
620
  • Wheel 的出现是为了替代 Egg，它的本质是一个zip包，其现在被认为是 Python 的二进制包的标准格式
  • setuptools 是 distutils 增强版
花了两天，终于把 Python 的 setup.py 给整明白了_【CSDN官方推荐】-CSDN博客
2 annotations
 
blog.csdn.net
585
  • 它默认在和setup.py同一目录下搜索各个含有init.py的包
setuptools详解 - 简书
1 annotation
 
www.jianshu.com
515
  • 以引用传递方式捕捉a,值传递方式捕捉其他变量
【C++】解释C++里面奇怪的[](){}、[xxx]( int a, int b ) { return a + b; }这类写法到底是什么鬼【是著名的lambda啊啊啊啊】_H_O_W_E的专栏-CSDN博客
1 annotation
 
blog.csdn.net
571
  • 这个lambda表达式就会返回一个匿名的闭包实例，其实一个右值。
  • 重载函数调用运算符()
  • 函数对象。
C++ lambda表达式与函数对象 - 简书
3 annotations
 
www.jianshu.com
486
  • 多个并行线程间共享的内存的读写保护
CUDA atomic原子操作_牧野的博客-CSDN博客
1 annotation
 
blog.csdn.net
374
  • 每个Block最多包含512个Thread
CUDA 关于 BLOCK数目与Thread数目设置_李迎松-CSDN博客
1 annotation
 
blog.csdn.net
389
  • 可以将Python代码转换为并行计算模式的包
Python中的joblib.Parallel函数_Flag_ing的博客-CSDN博客
1 annotation
 
blog.csdn.net
620
  • void指针并不能无需类型转换直接赋值给其他类型
  • 可以直接赋值给void指针
  • 参数或返回值可以是任意类型指针，那么应声明其类型为 void*
  • 于存放任意对象的地址
C++ void指针（void*）简介_W24的博客-CSDN博客_c++ void指针
4 annotations
 
blog.csdn.net
438
  • 二级指针储存在内存中，即CPU的物理地址中，并且指向GPU
关于cudaMalloc内存分配以及二重指针_fishming的blog-CSDN博客
1 annotation
 
blog.csdn.net
533
  • p1指向了a所在的内存块
  • 变量p1保存了变量 a 的地址，则就说：p1指向了变量a
C++指针详解_YoungYangD的博客-CSDN博客_c++指针
2 annotations
 
blog.csdn.net
458
  • 只是用于方便编译器成汇编代码
  • 在汇编以后不会出现变量名
  • 变量名称确实是一个指向存储空间的地址
c++中变量名和变量值_积累点滴，保持自我-CSDN博客_c++ 变量名
3 annotations
 
blog.csdn.net
559
  • 也就是模型不知道“保持”意味着什么
  • 关键地方在于因子 λ(y,ŷ) 是不可导的，或者说我们认为它导数为 0
  • 不只是要告诉模型正样本的预测值大于0.5就不更新了，而是要告诉模型当其大于0.5后就只需要保持就好了
  • 却没有告诉它要“保持”大于 0.5，
  • 只告诉模型正样本的预测值大于 0.5 就不更新了
  • 这样做能部分地达到目的，但是所需要的迭代次数会大大增加。
何恺明大神的「Focal Loss」，如何更好地理解？_Paper weekly-CSDN博客
6 annotations
 
blog.csdn.net
573
  • input given through a forward call is expected to contain log-probabilities of each class
NLLLoss — PyTorch 1.8.0 documentation
1 annotation
 
pytorch.org
477
  • 会再安装一个版本的显示驱动，覆盖原有的驱动，
Win10 CUDA9.0的安装与测试(GTX1050Ti + VS2017)_anhec的博客-CSDN博客
1 annotation
 
blog.csdn.net
543
  • 可以通过sys.path找到对应符号的内容（前面有详细讨论过），所以使用相对导入就是可行的了。
  • 用 '__main__'当然无法通过sys.path找到对应的符号
  • 使用__name__解析的
  • 也就是说要执行pac对应的__init__.py
  • 这个test模块对应的sys.path是不同的 ，具体来说直接运行方式中，sys.path中除了PYTHONPATH以外，还有test.py所在的目录，而使用-m参数的运行方式中，sys.path中存储的不是test.py所在的目录，而是当前目录
  • 对于主模块不能使用相对导入，因为它的该属性不是其真正的名字，而是'__main__'。
  • 在这个文件中定义的符号以及导入的符号会默认导入，其余的在这个包中的其他模块定义的符号只要没有在__init__.py导入，就并不会全部导入
  • import *的时候指定导入那些module
  • 在包的__init__.py中定义__all__
  • 对应的__name__全局变量的值不再是'test'而是'__main__'
  • 将这个模块的名字加入了主模块的符号表中。
  • 模块内定义的变量、函数、类的名字
  • 模块内部定义的符号
  • 模块的符号表
  • 模块中的可执行代码会在模块第一次导入的时候执行，实际上也只有这一次。
  • 这个目录就成为了一个包
  • package本质上来讲是一种用来管理模块命名空间的方法
  • 说一个python文件都可以说是一个module
关于python中的module你需要了解的 - 知乎
18 annotations
 
zhuanlan.zhihu.com
534
  • 制论文最后一页两栏文本底部大致对齐
(3条消息) latex “摘要”二字放置问题的解决_piaopiaopiaopiaopiao的博客-CSDN博客
1 annotation
 
blog.csdn.net
429
  • 不会缩进一个章的第一个段落。而该章之后段落的缩进则取决于参数\parindent。
  • \par命令可以创建新的段落
  • 一个新的段落，你需要添加空白行
(3条消息) LaTeX 中的段落和换行_Xovee-CSDN博客
3 annotations
 
blog.csdn.net
443
  • 后print的只是排序编号，不包括前后括号
LaTeX 之 \label 的运用 - Loca - 博客园
1 annotation
 
www.cnblogs.com
453
  • book，report，article三类
Latex基本语法 - 简书
1 annotation
 
www.jianshu.com
468
  • 无论坐标系{C}绕Z轴如何转动，都无法得到绕初始坐标系{A}的Z轴的效果，即此时旋转失去了一个自由度。
  • 矩阵相乘的方向，由于这三次旋转都是绕着固定坐标系进行的，因此矩阵相乘顺序为从右到左
(3条消息) 旋转矩阵的几种描述方式_Azahaxia的博客-CSDN博客
2 annotations
 
blog.csdn.net
396
  • 外旋按顺序左乘
  • 内旋按顺序右乘
  • 外旋，绕着xyz坐标轴旋转，旋转轴始终不变
  • 内旋，绕着XYZ坐标轴旋转，旋转轴是动态的
  • 任何两个连续的旋转，必须绕着不同的转动轴旋转
  • 从左到右依次代表绕着z轴的旋转、绕着交点线的旋转、绕着Z轴的旋转
(3条消息) 欧拉角的理解_hangl_ciom的博客-CSDN博客
6 annotations
 
blog.csdn.net
393
  • 其需要一个fn的参数（这就用来做回调的函
Python Decorator - 细雨蓝枫 - 博客园
1 annotation
 
www.cnblogs.com
382
  • 互换第一次和第三次旋转的位置则两者结果相同
  • 固定坐标系中的轴
  • 上次旋转之后坐标系的某个轴
  • 多次旋转组合
  • 组合
  • 基础旋转矩阵：绕某单一坐标轴进行旋转对应的矩阵
  • 如果不特殊指明，下面的讨论都是指：绕旋转之后的轴旋转的
(3条消息) 欧拉角与旋转矩阵的转换关系_陋室馨-CSDN博客
7 annotations
 
blog.csdn.net
276
  • 如何确定旋转角度是正还是负，如果是右手系
  • 第一种方式被称为proper或者经典(classic)的欧拉角
  • 可以不用第三个轴向就可以得出旋转角，这种方式称为Proper Euler angles。
  • 我们仅仅在2个平面上进行旋转（其中一个平面上必须进行两次旋转）就可以得到任意的三维旋转
  • 描述欧拉角的时候可以有以下方式：xyz， yzx，zxy 或者是反向顺序 zyx xzy yxz
(3条消息) 旋转变换（二）欧拉角_Frank的专栏-CSDN博客_欧拉旋转
5 annotations
 
blog.csdn.net
321
  • Jiehong
JiehongLin (Jiehong)
1 annotation
 
github.com
356
  • 单位时间内成功处理的运算数量
  • 数据量
  • 单位时间
  • 延迟是指操作从开始到结束所需要的时间，一般用微秒计算，延迟越低越好
  • 每个块的执行顺序随机
  • 一整块数据切成小块，每个小块随机的划分给一个线程
  • 不同的数据基本用相同的计算过程
  • 是大规模数据计算
  • 主要任务是分析数据的相关性，哪些可以并行，哪些不能不行。
  • 串行程序可能不需要学习不同的硬件平台，但是写并行程序就需要对硬件有一定的了解了
  • 《深入理解计算机系统》
  • 曼结构就把数据和指令都当做数据来处理了
【CUDA 基础】1.0 并行计算与计算机架构 | 谭升的博客
12 annotations
 
face2ai.com
360
  • CUDA平台不是单单指软件或者硬件，而是建立在Nvidia GPU上的一整套平台，并扩展出多语言支持
  • 主机端运行，被编译成主机架构的机器码，设备端的在设备上执行，被编译成设备架构的机器码
  • 代码也包括不止一部分
  • 复杂的程序，一个GPU的SM是没办法和CPU比较的
  • ALU多了，control部分变小
  • 注意红色框内的部分SM，这一组ALU公用一个Control单元和Cache，这个部分相当于一个完整的多核CPU
  • 完成大量计算的GPU是我们的计算设备，device。
  • CPU我们可以把它看做一个指挥者，主机端，host
  • 同构的架构下，硬件部分自己完成控制，不需要人为设计
  • 在两个设备上进行计算，控制，传输，这些都需要人为干预
【CUDA 基础】1.1 异构计算与CUDA | 谭升的博客
10 annotations
 
face2ai.com
364
  • y坐标表示一个核中沿y坐标的线程数，即每列的线程数；z坐标表示一个核中沿z坐标的线程数，即每个核的线程有多少个水平面
  • x坐标表示一个核中沿x坐标的线程数，即每行的线程数
  • z坐标只能为1，因为网格中每一个核都是平面摆放的
  • 指定了该核函数运行在哪一个流中
  • 指定了核函数运行时每个block除了使用共享显存外，还能再动态申请多少空间，默认是0，单位是字节
  • 超过每个核的最大线程数量
  • 每个核分配的线程数
  • 核数
  • 包含了若干线程。具体包含了多少
  • deviceQuery
  • 一个核函数目前只能运行在一个网格中
  • 只有很少的网格
  • 必须根据可写入变量的数量来划分线程数
【CUDA教程】一、认识cuda - 知乎
13 annotations
 
zhuanlan.zhihu.com
358
  • 不同 block 中的 thread 无法存取同一个共享的内存，因此无法直接互通或进行同步
CUDA编程（一）第一个CUDA程序_MingChao_Sun-CSDN博客_cuda编程
1 annotation
 
blog.csdn.net
542
  • 运行到某块数据发现不在设备端时，再去主机端中将数据拷贝过来，当执行完核函数后，又将所有的内存拷贝回主存。
  • 用CUDA默认的统一内存管理机制
  • grid中block的个数可以由总次数N除以blockDim，并向上取整
  • 于当前硬件的设计，block大小不能超过1024
  • block运行在SM上，不同硬件架构（Turing、Volta、Pascal...）的CUDA核心数不同，一般需要根据当前硬件来设置block的大小blockDim（执行配置中第二个参数）
  • 当线程数与计算次数不一致时，一定要使用这样的判断语句，以保证某个线程的计算不会影响其他线程的数据。
  • 一般将CPU代码中互相不依赖的的for循环适当替换成CUDA代码。
  • 所以这样互相不依赖的for循环非常适合放到CUDA thread里做并行计算
  • thread运行在一个CUDA核心上，多个thread组成的block运行在Streaming Multiprocessor
  • 核函数所定义的运算称为线程（Thread）
  • CPU不会等待GPU函数执行完毕才执行下一行代码。必要时，需要调用cuda.synchronize()，告知CPU等待GPU执行完核函数后，再进行CPU端后续计算。这个过程被称为同步
  • GPU函数又被称为核函数
  • 在GPU设备上运行的函数
GPU加速02:超详细Python Cuda零基础入门教程，没有显卡也能学！ - 知乎
13 annotations
 
zhuanlan.zhihu.com
436
  • 多个小核心一起组成了一个SM。
  • 以SM为运算和调度的基本单元
  • 多个小核心组成一个Streaming Multiprocessor（SM）
GPU计算加速01 : AI时代人人都应该了解的GPU知识 - 知乎
3 annotations
 
zhuanlan.zhihu.com
538
  • 告知该操作放入哪个流中执行：
  • 非默认流之间是异步的，默认流有阻塞作用
  • 非默认流之间的不同操作，无法保证其执行顺序。
  • 会按序执行
  • 默认情况下，CUDA使用0号流，又称默认流。不使用多流时，所有任务都在默认流中顺序执行，效率较低。
  • 将数据拷贝和函数计算重叠起来的，形成流水线，能获得非常大的性能提升。
  • 放入队列顺序执行的一系列操作称为流（Stream）
  • 所有的计算任务需要放在一个队列中，排队顺序执行
  • 非常方便验证CUDA并行计算与原来的CPU函数计算逻辑是否一致
  • 线程内有for循环，每个线程可以干更多事情，所有线程的启动销毁开销更少。
  • 解决数据量比线程数大的问题
  • 不用再明确使用if (idx < N)来判断是否越界，因为for循环也有这个判断
  • 网格跨步
  • step是网格中线程总数
  • 跨步大小为网格中线程总数
  • 在核函数里再写个for循环
  • 0号线程中，处理第0、8、16、24号数据
  • gridDim最大为一个32位整数的最大值
  • 英伟达提供了非常强大的性能分析器nvprof和可视化版nvvp，使用性能分析器能监控到当前程序的瓶颈
  • 读英伟达官方的编程手册，熟悉CUDA编程的底层知识。
  • 常用性能优化的进阶技术
GPU加速03:多流和共享内存—让你的CUDA程序如虎添翼的优化技术！ - 知乎
21 annotations
 
zhuanlan.zhihu.com
582
  • allocated memory is the memory that is currently used to store Tensors on the GPU
Memory_allocated() vs memory_cached() - PyTorch Forums
1 annotation
 
discuss.pytorch.org
635
  • 一个block有多少个thread
  • Db用于定义一个block的维度和尺寸
  • grid有多少个block
  • 整个grid的维度和尺寸
  • 线程是如何组织的
  • 说明内核函数中的线程数量
  • 运算符内是核函数的执行参数，告诉编译器运行时如何启动核函数
CUDA核函数参数示意：Kernel<<<Dg,Db, Ns, S>>>(param list) - 青竹居士 - 博客园
7 annotations
 
www.cnblogs.com
517
  • 新的 cuda 来编译文件，还可以通过 LD_LIBRARY_PATH 变量指定进行链接的 cuda 库文件的路径
  • 加入指定 cuda 版本的可执行目录，也就时 cuda_path/bin/ 目录
  • 之后
  • 则首先需要设置 CUDA_HOME 环境变量
  • 首先尝试获取环境变量 CUDA_HOME/CUDA_PATH 的值作为运行时使用的 cuda 目录
  • 存在与当前的 cudatoolkit 所兼容的 Nvidia 驱动
  • 不需要重新进行编译过程，只需要其所依赖的动态链接库存在即可正常运行
  • 包含了进行 CUDA 相关程序开发的编译、调试等过程相关的所有组件
Pytorch 使用不同版本的 cuda - yhjoker - 博客园
8 annotations
 
www.cnblogs.com
530
  • 【CSDN社区内容创作规范】
CSDN社区内容创作规范_CSDN 官方博客-CSDN博客
1 annotation
 
blog.csdn.net
456
  • net.parameters() i
Pytorch统计网络参数数量及查看网络中的参数_陈知鱼的博客-CSDN博客
1 annotation
 
blog.csdn.net
378
  • 原地改变对象而不用生成新对象的方法
  • 列表类型是一种可变类型
  • 你这个对象保存的数字就是不能再变化的了
  • 一种不可变类型
(9 条消息) python中的赋值，什么时候是传值什么时候是传址？ - 知乎
4 annotations
 
www.zhihu.com
586
  • deepcopy 方法会新建对象，里面的可变对象也会新建对象。实际上deepcopy是递归copy，是深层复制。
  • 是浅层复制
  • 引用的是不同的对象，但里面的可变对象（列表 y）依然引用的是同一个对象
  • 复制可变对象时，就复制了可变对象的引用
  • 可变对象的引用，就能修改对象的原始值——相当于通过“传引用”来传递对象。如果函数收到的是一个不可变对象的引用，就不能直接修改原始对象——相当于通过“传值'来传递对象
  • 传对象引用”的方式
Python可变对象与不可变对象原理解析_python_脚本之家
6 annotations
 
www.jb51.net
576
  • 象包含 整型(int), 字符串(string), 浮点型(float), 元组(tuple)
  • 可变对象包括：字典(dict), 集合(set), 列表(list). 此可变对象会与浅拷贝和深拷贝有很大的联系， 后续会继续更新。
Python3之可变对象和不可变对象 - 简书
2 annotations
 
www.jianshu.com
667
  • memory_allocated()和max_memory_allocated()监视张量占用的内存，并使用memory_cached()和 max_memory_cached()监视由缓存分配器管理的内存
pytorc使用后正确释放GPU内存以及检测GPU使用情况 - pytorch中文网
1 annotation
 
ptorch.com
672
  • 禁用所有cuda应用程序异步执行
cuda学习笔记之异步并行执行_bit262426738的专栏-CSDN博客
1 annotation
 
blog.csdn.net
584
  • 性只是为了调试，永远不能作为使软件产品运行得可靠的方式
  • CUDA_LAUNCH_BLOCKING环境变量设置为1来全局禁用所有运行在系统上的应用的异步内核发射
CUDA编程接口:异步并发执行的概念和API - zhaoyang10 - 博客园
2 annotations
 
www.cnblogs.com
535
  • the occupied GPU memory by tensors will not be freed so it can not increase the amount of GPU memory available for PyTorch
  • the total amount of memory managed by the caching allocator
  • memory occupied by tensors
  • the unused memory managed by the allocator will still show as if used in nvidia-smi
  • caching memory allocator to speed up memory allocations
  • With asynchronous execution, such an error isn’t reported until after the operation is actually executed, so the stack trace does not show where it was requested
  • This can be handy when an error occurs on the GPU.
  • CUDA_LAUNCH_BLOCKING=1
CUDA semantics — PyTorch 1.7.0 documentation
8 annotations
 
pytorch.org
513
  • 将识别它可以编译的循环，并将它们编译成在机器代码中运行的函数，并且它将运行解释器中的其余代码
  • 对象模式进行编译
  • 如果nopython模式下的编译失败
  • 将@jit设置为nopython模式。nopython编译模式的行为本质上是编译装饰函数，以便它完全运行而不需要Python解释器的参与。这是使用Numba jit装饰器的推荐和最佳实践方式，因为它可以带来最
  • Numba适合numpy中的循环操作、numpy函数以及broadcasting。
  • numpy做数字运算，并且常常有很多的循环，那么使用Numba就是一个很好的选择
  • 编译为机器代码即时执行
  • 其使用Numpy的arrays，functions和loops
Numba 开发手册（一） - 阿刚的代码进阶之旅 - 博客园
8 annotations
 
www.cnblogs.com
615
  • 执行函数的机器代码版本之前针对给定的参数类型编译函数
  • numba无法理解pandas，因此numba只需通过解释器运行此代码，但会增加numba内部开销！
Numba(1) —— 加速你的Python - 知乎
2 annotations
 
zhuanlan.zhihu.com
621
  • Converting a point cloud into a valid input for a convolutional neural network
Structures — pyntcloud 0.1.3 documentation
1 annotation
 
pyntcloud.readthedocs.io
542
  • Identification string associated with the added structure
pyntcloud.core_class — pyntcloud 0.1.3 documentation
1 annotation
 
pyntcloud.readthedocs.io
515
  • to change it for a new pandas DataFrame
Points — pyntcloud 0.1.3 documentation
1 annotation
 
pyntcloud.readthedocs.io
501
  • that means that you have a python variable (either torch Tensor or torch Variable) that reference it
How can we release GPU memory cache? - PyTorch Forums
1 annotation
 
discuss.pytorch.org
676
  • the parity of the spherical harmonics
o3 - Direct sums of Irreps — e3nn 0.2.1 documentation
1 annotation
 
docs.e3nn.org
615
  • 前者每次optim.step会得到更新，而不会更新后者
  • 另一种就是buffer
  • 一种是模型中各种module含的参数
pytorch 中register_buffer（）_shuijinghua的博客-CSDN博客
3 annotations
 
blog.csdn.net
609
  • elementwise the cross-product of 16 vectors with 16 vectors
  • indices of the multiplicites
  • Fully-connected weighted tensor product
o3 - Tensor Product — e3nn 0.2.1 documentation
3 annotations
 
docs.e3nn.org
648
  • 三维旋转群才是三维的流形
  • 球在三维空间的旋转跟三维旋转群SO(3)同构而并非跟球面S^2群同构
spherical CNNs 论文解读（三） - 知乎
2 annotations
 
zhuanlan.zhihu.com
692
  • 得到的结果须跟原图原卷积核处理得到的结果一样，也就是等变性
  • 度量空间之间保持距离关系的同构
  • 如果两个群满足双射的条件，也即存在一个变换，可以让两个群的元素一一对应，那么就称这两个群是同构的
  • 操作对应将图像旋转、翻转等一系列满足某些限制条件的对称性变换的集合
  • 对象在这里对应要进行识别的图像或者卷积核
  • 群论里重要的两个概念，一个是对象，一个是操作
spherical CNNs 论文解读 - 知乎
6 annotations
 
zhuanlan.zhihu.com
623
  • s purely determined by by the stride of the convolutions and the pooling,
How to decide the bandwidth? · Issue #22 · jonas-koehler/s2cnn
1 annotation
 
github.com
570
  • training code fo
GitHub - CMU-Perceptual-Computing-Lab/openpose_train: Training repository for OpenPose
1 annotation
 
github.com
617
  • 先把可迭代对象转换成迭代器
(7 条消息) 请问这个 Python 迭代器里 next () 定义怎么理解？ - 知乎
1 annotation
 
www.zhihu.com
483
  • yield其实就相当于一个断点，每次程序执行到一个yield，就将其后的值当做生成器的一个元素
  • 变成了一个生成器
  • 不再是一个普通函数
  • 一边循环一遍计算的机制，就是生成器
  • 如果列表中的元素能够以某种方法推导出来，我们就可以根据程序的需要对列表元素进行生成，进而节省大量存储空间
  • 如果程序一开始就创建该列表的话，无疑要浪费大量存储空间
对Python中Yield的理解 - 知乎
6 annotations
 
zhuanlan.zhihu.com
495
  • 在处理关于坐标的方程式时十分有效
【深度学习中的神仙操作】einsum爱因斯坦求和 - 知乎
1 annotation
 
zhuanlan.zhihu.com
477
  • An important limitation of the versions of the NVIDIA CUDA Toolkit that are available from the either the default or NVIDIA Conda channels is that they do not include the NVIDIA CUDA Compiler (NVCC).
  • what do you do if you need different versions of these new libraries for different projects
Managing CUDA dependencies with Conda | by David R. Pugh | Towards Data Science
2 annotations
 
towardsdatascience.com
500
  • Where a library or tools is not already packaged for install using conda, Conda allows for using other package management tools (such as pip) inside Conda environments.
  • prebuilt packages or binaries (which generally avoids the need to deal with compiling packages from source)
  • Installing only Miniconda will encourage you to create separate environments for each project
  • helps you find and install packages
  • source package and environment management system
Getting Started with Conda. Just the basics. What is Conda? Why… | by David R. Pugh | Towards Data Science
5 annotations
 
towardsdatascience.com
486
  • create the environment as a sub-directory called env inside your project directory
Managing your data science project environments with Conda | Towards Data Science
1 annotation
 
towardsdatascience.com
466
  • use the NVCC installed on the system together with the other CUDA Toolkit components installed inside the Conda environment
  • obtain NVCC and still use Conda to manage all the other dependencies
  • install a meta-package nvcc_linux-64 from conda-forge
  • does not include NVCC
Building a Conda environment for Horovod | by David R. Pugh | Towards Data Science
4 annotations
 
towardsdatascience.com
546
  • defines the namespace for tf.Operation objects
  • ensorFlow provides a "default graph" that is implicitly passed to all API functions in the same context.
  • use multiple graphs in the same process.
  • can either use completely separate Python processes to build and execute the graphs,
  • dropout and batch normalization use different operations in each case.
  • a separate graph for evaluating or performing inference with a trained model.
  • , a common way of organizing your code is to use one graph for training your model,
  • typical TensorFlow graph---especially training graphs with automatically computed gradients---has too many nodes to visualize at once. The graph visualizer makes use of name scopes to group related operations into "super" nodes.
  • Print the timings of each operation that executed
  • collect metadata about the execution
  • enables you to specify options about the call
  • be substituted for those tensors in the execution.
  • takes a dictionary of feeds, which is a mapping from tf.Tensor objects (typically tf.placeholder tensors) to values
  • requires you to specify a list of fetches
  • controls the behavior of the session
  • tf.estimator.Estimator will create and manage a tf.Session for you
  • Since a tf.Session owns physical resources (such as GPUs and network connections), it is typically used as a context manager (in a with block)
  • caches information about your tf.Graph
  • represent a connection between the client program
  • nodes and edges of the graph
  • it is easy for the system to identify operations that can execute in parallel
  • nodes represent units of computation, and the edges represent the data consumed or produced by a computation.
docs/graphs.md at master · tensorflow/docs
22 annotations
 
github.com
502
  • 把so(3)中任意一个向量对应到了一个位于SO(3)中的旋转矩阵
  • 指数映射即罗德里格斯公式
  • so(3)实际上就是由旋转向量组成的空间
  • 指数映射
  • 指数与对数关系
  • 李代数就是李群对应的代数关系式
  • 李群就是连续（光滑）的群
  • 只有一种运算的集合叫做群
  • 这样的矩阵称为群
  • 即加之后不再符合旋转矩阵的定义，但是乘法却满足
  • 不符合加法封闭性
三维卷积：全景图像Spherical CNNs（Code）_wishchinYang的专栏-CSDN博客
11 annotations
 
blog.csdn.net
591
  • 要带上所有必要的参数进行调用。然后，有时参数可以在函数被调用之前提前获知
python的functools.partial用法解释_每天积累一点，一年后你会发现，自己变化很大-CSDN博客
1 annotation
 
blog.csdn.net
533
  • PR曲线下面积
(1 封私信 / 5 条消息) 目标检测中的mAP是什么含义？ - 知乎
1 annotation
 
www.zhihu.com
522
  • 依据预测的变换参数来构建一个采样网格
  • 输出空间变换参数
  • 变换参数θθ的网络
  • 来回归
  • 主动地在空间上转换特征映射
  • 显式地允许在网络中对数据进行空间变换操作
  • 新的可学模块，空间变换网络
  • 受限于对输入数据的空间不变性
  • 异常强大的模型类
STN：空间变换网络(Spatial Transformer Network) - 程序员大本营
9 annotations
 
www.pianshen.com
540
  • 一种简单的代数结构
群论入门-群论的直观理解方式 - 知乎
1 annotation
 
zhuanlan.zhihu.com
469
  • 有限群中的元素看作是某个有限维线性空间上的（可逆）线性变换
代数学笔记——有限群的表示论（一） - 知乎
1 annotation
 
zhuanlan.zhihu.com
398
  • 代表角度部分的解，也就是球谐函数
  • 球谐函数表达为
  • 即可以解出
  • 可以解出
  • 关于 t {\displaystyle t} 的伴随勒让德方程
球谐函数 - 维基百科，自由的百科全书
5 annotations
 
zh.wikipedia.org
622
  • 叫做投影(Projection)
  • 球坐标中求解三维拉普拉斯方程
  • 勒让德多项式(Legendre Polynomial)，我们要基于勒让德多项式来给出球谐基函数的解析形式
  • 球谐基函数吧
球谐光照与PRT学习笔记（三）：球谐函数 - 知乎
4 annotations
 
zhuanlan.zhihu.com
616
  • 这系数就是表面法线 和入射光向量 的点积
球谐光照与PRT学习笔记（一）：引入 - 知乎
1 annotation
 
zhuanlan.zhihu.com
691
  • 深层网络对中心位置的学习偏见，就可以根据需要利用任何结构的网络以进行视觉跟踪
  • 使用三种目标位置按照不同均匀分布的数据集进行训练
如何理解SiamRPN++？ - 科西嘉人 - 博客园
2 annotations
 
www.cnblogs.com
422
  • 此时每对模板图像和搜索图像中心就是物体的bounding box中心
  • 添加边界的部分超出了原图的大小（一般出现在bounding box靠近图像边界的情况），则使用像素的均值代替
  • 加上了周围的一些边界信息，上下左右各加上p个像素信息。其中
  • 模板图像需要缩放到127x127大小，搜素图像需要缩放到255x255大小
  • 两个输入输入到两个神经网络（Network1 and Network2，其实是共享权重的，本质上是同一个网络
【SOT】siameseFC论文和代码解析 - 知乎
5 annotations
 
zhuanlan.zhihu.com
435
  • Depthwise Cross Correlation采用的就是分组卷积的思想，分组卷积可以带来运算量的大幅度降低，被广泛用于MobileNet系列网络中
  • Depth-wise Cross Correlation Layer对Template和Search Region进行卷积运算。这么做是为了降低计算量
  • 对Template升高维度后在与Search Region进行卷积运算，
  • 特征提取网络输出的三个特征图分别做1x1卷积，调整所有特征图的通道数为256
  • 是这三个输出分别都有各自的RPN网络
  • Layerwise Aggregation陌生。一般而言，浅层的网络包含的信息更多有关于物体的颜色、条纹等，深层的网络包含的信息更多包含物体的语义特征。
  • 不论在测试的时候，target在图片的哪个位置，甚至外观特征有多明显，都会在图片的中心产生一个这样大的偏移，这和在训练过程中采用的方式有关
【SOT】Siamese RPN++ 论文和代码解析 - 知乎
7 annotations
 
zhuanlan.zhihu.com
471
  • CF作为CNN的一个特别的层。
  • CF只用到了预训练CNN特征的顶层（top）
  • 离线阶段的特征判别能力结合在一起就好了。在之前的工作中，CF与CNN是分开的
论文笔记-End-to-end representation learning for Correlation Filter based tracking - 简书
3 annotations
 
www.jianshu.com
653
  • 这就是我们在机器人状态估计中最常见的公式，无论是贝叶斯估计还是卡尔曼滤波都是这个公式。现在我已经将它推导的细节进行了还原。
  • 状态估计中的假设
  • 传感器数据和控制器数据估计出离某个障碍物的距离是 x t x_t xt​
  • 它观测到自己离障碍物距离是 z t z_t zt​
  • 这个是观测模型
  • 这个是控制模型
  • 比如我们设计一种函数 f ( x t , z t ) f(x_t,z_t) f(xt​,zt​)它的值就是 P ( z t ∣ x t ) P(z_t|x_t) P(zt​∣xt​)。这个就是卡尔曼滤波要做的事，卡尔曼滤波设计的函数就是认为这个概率函数是一个正态分布（高斯分布）
  • 怎么知道当前估计出机器人离障碍物距离 x t x_t xt​是不是正确的呢？
  • 机器人离障碍物距离，机器人的速度，机器人的姿态，机器人在世界坐标系下的地址这些都是机器人的状态
  • 这个公式中需要的先验知识更容易获
  • 这些数据是我们统计到的，你项目中的这些先验知识有些是需要统计得到，有些是需要建模比如假设它是正态分布等
  • 方法是根据概率论中的条件概率计算公式来更新的
  • 根据不断接收到的新信息和我提供的一些已经知道的统计值，来不断更新概率
(2条消息) 【易懂教程】我是如何十分钟理解与推导贝叶斯滤波(Bayes Filter)算法？_@司南牧|知乎|博客|易懂教程|李韬-CSDN博客_贝叶斯滤波
13 annotations
 
blog.csdn.net
604
  • 用GPS测量的位置
  • 弹位置的最优估计的概率分布
  • 可信度做权重进行加权和得到均值。当然加权和的权重之和应该等于1
  • 直接把这两个概率分布相乘即可
  • 怎么根据粗略估计值的概率分布与雷达的测量值概率分布得到精确估计值的概率分布。
  • 概率分布得到精确估计值的概率分布
  • 可信度来进行线性加权和得到准确的导弹位置估计值
  • 估计出当前时刻导弹的位置粗略估计值
  • 0.7就是获取速度的那个传感器噪声误差
  • 0.2就是上个时刻导弹位置的误差
  • 都是正态分布
  • 雷达测量到导弹离目标的距离概率分布
  • t-1时刻的速度的概率分布
  • 表示导弹在t-1时刻的位置的概率分布
  • 导弹速度、导弹位置、雷达测距的测量值这些都服从正态分布
  • 用概率来衡量数据的可信度
  • 都是有误差的
  • 这两种数据可信度来进行线性加权和得到准确的导弹位置估计值
  • 雷达数据相对于根据速度计算出的估计值的靠谱程度
  • 卡尔曼增益
  • 测值和估计值的准确度来得到最终导弹离目标的距离估计值。
  • 估计值
  • 观测值
  • 每隔一秒开雷达测量下离目标的距离。然后由于雷达有误差，所以需要融合自己上个时刻的位置、速度等信息来更准确的确定当前时刻离目标的距离。这就是卡尔曼滤波需要解决的事
[易懂]如何理解那个把嫦娥送上天的卡尔曼滤波算法Kalman filter? - 知乎
24 annotations
 
zhuanlan.zhihu.com
553
  • 卡尔曼假设上文中的机器人一定是匀速直线运动
  • 卡尔曼滤波算法就是对贝叶斯滤波算法的一个具体实现
  • 贝叶斯滤波并没有告诉我们怎么计算观测值与估计值的可信度
  • 卡尔曼滤波算法是对贝叶斯滤波的一种具体实现
(2 条消息) 如何通俗并尽可能详细地解释卡尔曼滤波？ - 知乎
4 annotations
 
www.zhihu.com
553
  • 猜自己的位置
  • 机器人是知道地图
(2 条消息) 怎样从实际场景上理解粒子滤波（Particle Filter）？ - 知乎
2 annotations
 
www.zhihu.com
585
  • Python 语言内置了多线程功能支持，而不是单纯地作为底层操作系统的调度方式
  • 进程之间不能共享内存，但线程之间共享内存非常容易
  • 多线程程序的并发性高
python多线程详解 - luyuze95 - 博客园
3 annotations
 
www.cnblogs.com
616
  • reinitializable iterator is defined by its structure
  • use different Dataset objects that have the same structure
  • can be initialized from multiple different Dataset objects
  • parameterize the definition of the dataset, using one or more tf.placeholder() tensors that can be fed when you initialize the iterator
  • initializable iterator requires you to run an explicit iterator.initializer operation before using it.
  • one-shot iterator is the simplest form of iterator
  • with no need for explicit initialization.
  • apply a function to each element, the element structure determines the arguments of the function
  • a single element
  • dictionary
  • convenient to give names to each component of an element
  • element contains one or more tf.Tensor objects, called components
  • comprises elements that each have the same structure.
  • ransform it into a new Dataset by chaining method calls on the tf.data.Dataset object
  • associated with a particular Dataset and iterates through it once.
  • next element of a Dataset when executed, and typically acts as the interface between input pipeline code and your model
  • main way to extract elements from a dataset
  • constructs a dataset from one or more tf.Tensor objects
  • a sequence of elements,
docs/datasets.md at master · tensorflow/docs
19 annotations
 
github.com
551
  • 池化的作用在于对特征图进行下采样进而减少变量
  • p4群包含的操作有平移和关于正方形网格中的任意旋转中心旋转90°
spherical CNNs 论文解读（二）--对Group Equivariant Convolutional Networks进行分析 - 知乎
2 annotations
 
zhuanlan.zhihu.com
650
  • 构造或者不动点的方法证明它一定存在一个(非负)的平移不变的random measure，我们一般管它叫Haar measure
群论在数学分析中的应用？ - 知乎
1 annotation
 
www.zhihu.com
685
  • 当前的模块。如果模块定义了一个名为 x 的变量，函数或类，Python 将使用它
  • 当前函数或类的方法
python的globals()使用 - 脚本小娃子 - 博客园
2 annotations
 
www.cnblogs.com
519
  • A reduced bandwidth of the signal is thereby counteracted by an increased max_beta to emulate spatial pooling
  • One can emulate a pooling by a factor of 2 in spherical CNNs by decreasing the signal bandwidth by 2 and increasing max_beta by 2.
  • line-like (or ring-like) kernels around the equator.
  • spatially localized kernels, defined at the north pole and rotated over the sphere via the action of SO(3).
  • number of learned parameters of the rings around the pole
  • one central pixel and one ring around the center.
  • small 3x3 kernel in conv2d
jonas-koehler/s2cnn: Spherical CNNs
7 annotations
 
github.com
626
  • 理的运动估计模型以克服甚至是完全遮挡的情况
  • 各个部分的参数量减少，克服了相关滤波算法本身快速更新所导致的过拟合，另一方面每个部分学习到的关键信息不同，汇总各个结果总体增加了算法的可靠性
  • 引入多个不同的独立判决，然后通过有效的融合得到一个更鲁棒的结果
  • 困难的情况仍会时常失败.我们
VOT2018 主赛冠军（MFT）算法分享 - 知乎
4 annotations
 
zhuanlan.zhihu.com
651
  • because it is such a general and powerful tool for combining information in the presence of uncertainty
How a Kalman filter works, in pictures | Bzarg
1 annotation
 
www.bzarg.com
663
  • 本质上就是表明更相信预测阶段还是更新阶段
说说我所理解的卡尔曼滤波器 - 知乎
1 annotation
 
zhuanlan.zhihu.com
670
  • 很多样本之间的translation可以通过一定的方法实现，就是circulant matrices
  • 作者发现用这种样本训练的linear regression 等价于correlation filter，大大加快tracking速度
High-speed Tracking with Kernelized Correlation filters笔记_carrierlxksuper的专栏-CSDN博客
2 annotations
 
blog.csdn.net
717
  • e Instructions.txt
openpose/installation.md at master · CMU-Perceptual-Computing-Lab/openpose · GitHub
1 annotation
 
github.com
687
  • Only points with high threshold with respect to each one of the cameras are reprojected
openpose/3d_reconstruction_module.md at master · CMU-Perceptual-Computing-Lab/openpose · GitHub
1 annotation
 
github.com
661