ORB-SLAM2学习笔记：ExtractorNode::DivideNode和ORBextractor::DistributeOctTree函数详解 该函数用于将当前节点（父节点）分割为四个子节点（n1-n4），并将父节点中的特征点（

阅读 733

18赞

收藏 16
CppCon 2014 学习: The Implementation of Value Types 对象的身份（Identity）不重要也就是说，两个值相同的对象，虽然它们的内存地址不同，但在语义上是一样的，没有区别。对象的地址不影响它的操作你操作对象时，不依赖于它的具体存储地址。换句话说，复制对象后，无论操作原对象还是复制对象，结果应当是一样的。对对象的操作是语义上的深拷贝当你复制一个值类型对象，得到的是其内容的完整拷贝（deep copy），不是简单的指针拷贝（shallow copy）。因此修改复制品不会影响原对象。操作独立于上下文。

阅读 930

9赞

收藏 25
Mnist手写数字 这个处理就是在anaconda文件夹下面搜索libiomp5md.dll，那bin下面的 libiomp5md.dll文件全部修改命名，就像我这样，两个bin文件夹下面的都改了。中间可能会报错误：（libiomp5md.dll问题）

阅读 120

1赞

收藏 0
百度ocr的简单封装 本文介绍了百度OCR API的两种Python封装实现。第一部分封装了百度通用OCR功能，提供了多种识别类型选项（标准/高精度版、含位置信息版、办公文档、网络图片、手写文字等），支持图片/URL/PDF文件输入，包含access_token生成、参数检查等辅助功能。第二部分简要提及了百度卡片识别OCR的实现，同样基于Python封装，但代码未完整展示。两种封装都采用面向对象设计，通过枚举类型管理不同OCR接口，适用于需要文字识别的自动化场景。

阅读 1.0k

3赞

收藏 0
python打卡day40 1. 数据预处理transforms.ToTensor(), # 转换为张量并归一化到[0,1]transforms.Normalize((0.1307,), (0.3081,)) # MNIST数据集的均值和标准差])# 2. 加载MNIST数据集# 3. 创建数据加载器batch_size = 64 # 每批处理64个样本# 4. 定义模型、损失函数和优化器self.flatten = nn.Flatten() # 将28x28的图像展平为784维向量。

阅读 439

9赞

收藏 3
DAY 40 仔细学习下测试和训练代码的逻辑，这是基础，这个代码框架后续会一直沿用，后续的重点慢慢就是转向模型定义阶段了。dropout操作：训练阶段随机丢弃神经元，测试阶段eval模式关闭dropout。展平操作：除第一个维度batchsize外全部展平。彩色和灰度图片测试和训练的规范写法：封装在函数中。

阅读 132

1赞

收藏 0
Python打卡第38天 transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)) # 归一化处理。img = img * 0.5 + 0.5 # 反归一化 [-1,1] -> [0,1]transforms.ToTensor(), # 将图像转换为Tensor。"""显示反归一化后的图像"""# 设置随机种子确保结果可复现。# 随机选择并显示样本。

阅读 287

1赞

收藏 4
【Linux 学习计划】-- 命令行参数 | 环境变量 命令行参数 、 环境变量 、 环境变量的本质是什么？ 相关配置文件 、 修改环境变量的相关操作 、 代码获取env —— environ 、 内建命令

阅读 825

11赞

收藏 28
小白的进阶之路系列之九----人工智能从初步到精通pytorch综合运用的讲解第二部分 本文介绍了PyTorch中张量的基本概念和操作方法。主要内容包括：1) 使用torch.empty()、zeros()、ones()和rand()等方法创建张量；2) 设置随机种子保证结果可复现；3) 通过shape属性获取张量维度信息；4) 使用torch.tensor()从现有数据创建张量；5) 设置张量数据类型的方法；6) 张量的基本数学运算。文章通过代码示例演示了如何创建不同形状和类型的张量，并展示了张量之间的算术运算操作。

阅读 673

22赞

收藏 4
DAY 35 超大力王爱学Python 准确率比较： 配置1（原始）: 96.67% 配置2（增加隐藏层大小）: 96.67% 配置3（增加网络深度）: 100.00% 配置4（Adam优化器）: 100.00% 配置5（L2正则化）: 96.67%三种不同的模型可视化方法：推荐torchinfo打印summary+权重分布可视化。进度条功能：手动和自动写法，让打印结果更加美观。作业：调整模型定义时的超参数，对比下效果。推理的写法：评估模式。

阅读 121

1赞

收藏 0
python打卡day39 图像形状: torch.Size([3, 32, 32])图像类别: frog。

阅读 987

8赞

收藏 21
【从零开始学习QT】快捷键、帮助文档、Qt窗口坐标体系 本文介绍了QtCreator常用快捷键和帮助文档的三种调用方式。同时简要说明了Qt窗口坐标体系的特点，并演示了通过帮助文档查询QPushButton控件的方法。

阅读 568

5赞

收藏 7
无法运用pytorch环境、改环境路径、隔离环境 改环境路径及环境隔离

阅读 635

16赞

收藏 13
深度学习|pytorch基本运算-乘除法和幂运算 本文详细介绍了PyTorch张量的乘除法运算和幂运算操作。通过代码示例展示了如何使用"*"、"/"运算符进行对位乘除运算，以及"**"运算符进行幂运算，均遵循张量对位运算法则。特别探讨了幂运算的广播机制，当张量大小不一致时，PyTorch会自动进行广播后再执行运算。实验结果表明，这些运算都能正确保持对位关系。文章最后总结了PyTorch张量基本运算的完整过程，为深度学习中的张量操作提供了实用参考。

阅读 227

2赞

收藏 7
从零开始的git学习 也就是说，我们可能下载下的是主分支，但是可以在本地直接利用这个命令进行分支切换，这样本地的分支就变成了分支xxx。5、如果下载本地副本以后，有别的用户更新了远程仓库，那么当前本地仓库和远程仓库是不一致的。1、分支是一个远程仓库中的多个独立副本，副本之间是互不影响的。最常见的配置如下，只需要在第一次使用git的时候配置即可，以后上传代码都不需要再配置了！1、标记某个修改记录，用于归档对应的分支下截止到这次修改的文件。我们clone下来的是一个仓库，仓库有不同的分支，我们可以进行分支的切换。

阅读 451

3赞

收藏 4
Transformer架构技术学习笔记：从理论到实战的完整解析 Transformer架构革命性地改变了序列建模范式，其核心创新在于全注意力机制取代传统RNN结构，实现了并行化计算和全局依赖捕获。本文系统解析了Transformer的多头注意力、位置编码等核心组件，通过数学推导和代码示例（如PyTorch实现）揭示其工作原理。实践层面，详细阐述了训练优化（如学习率预热、混合精度）、推理加速（量化、缓存）等关键技术，并对比了BERT、GPT等主流变体性能。针对医疗文本分类等实际案例，提供了类别不平衡等典型问题的解决方案。文章最后展望了动态计算、跨模态融合等前沿方向，为研究

阅读 1.0k

17赞

收藏 18
安全，稳定可靠的政企即时通讯数字化平台 协同门户平台的整合功能让政企机构的各项工作流程更加顺畅，各部门之间的协作更加紧密，避免了信息孤岛和重复工作的问题。例如，员工可以在平台上查看通知公告，通过即时通讯与其他部门协调工作，使用网盘共享项目文件，参加视频会议进行远程协作，提交工作汇报总结工作进展。BeeWorks作为一款专业的即时通讯及协同门户平台，以其安全可靠、功能强大、高效便捷的特点，为政企机构提供了理想的沟通协作解决方案。，凭借其安全可靠、功能强大的特性，为政企提供了高效、便捷的沟通协作解决方案，助力政企提升工作效率、降低运营成本。

阅读 614

5赞

收藏 4
从 PyTorch 到 TensorFlow Lite：模型训练与推理 【代码】从 PyTorch 到 TensorFlow Lite：模型训练与推理。

阅读 660

6赞

收藏 6
移动安全Android——客户端数据安全 Android客户端数据安全测试完整流程

阅读 560

8赞

收藏 1
作者推荐
gblfy
心如向阳，次第花开！
关注
蒙娜丽宁
华为HDE（HUAWEI Developer Experts)，UnityMarvel创始人，开放原子基金会银牌讲师，51CTO学堂金牌讲师，IT畅销书作者。从事软件研究和开发超过20年，长期从事编译器、人工智能、Python、Go、JavaScript、Java及跨平台技术的研究和开发工作，曾出版超过40本IT图书。主要著作包括《Python从菜鸟到高手》、《Python爬虫从菜鸟到高手》、《奇妙的Python：神奇代码漫游之旅》。
关注
Hollis Chuang
www.hollischuang.com
关注
hello-java-maker
为了我们，做最好的自己
关注
IT1995
每周个人笔记分享，欢迎广大网友查阅！
关注
程序猿DD_
公众号：程序猿DD。《Spring Cloud微服务实战》作者，spring4all社区发起人
关注
深度Java
TA很懒，还没有添加简介
关注
JavaEdge聊AI
关注并私信我，获取更多大厂求职经验。《编程严选网》创始人
关注
lindexi_gd
我是微软Windows应用开发方向的最具价值专家，欢迎访问我博客blog.lindexi.com里面有大量WPF和UWP博客
关注
朱小厮
你知道的越多 你不知道的也就越多
关注