人工智能

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第9天，点击查看活动详情 一：Pytorch实现经典模型AlexNet模型 要求： 使用pytorch实现经典的分类模型AlexNe

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第8天，点击查看活动详情 一：pytorch实现空洞卷积实验（torch实现） 要求： 从至少一个数据集上进行实验，同理，这里我选取

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 一：范数对比 L0范数: 指向量中非0的元素的个数。(L0范数很难优化求解) L1范数: 指向量中各个元素绝对值之和 L2范数: 指向量各元素的平

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 一：摘要 PointNet缺陷：不能捕捉由点所在的度量空间引起的局部结构，限制了它识别细粒度模式的能力和对复杂场景的概括能力。 PointNet+

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 @[TOC](PointNet: Deep Learning on Point Sets for 3D Classification and Se

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 可变形卷积 Deformable Convolution： 分析步骤： 1）如下图，先经过一个普通的卷积学习到每个每个特征点的位置偏移量dx和dy

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 一：手写二维卷积的实现 要求： 手写二维卷积的实现，并从至少一个数据集上进行实验，这里我选取了车辆分类数据集（后面的实验都是用的车辆分类数据集），

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 一：手写循环神经网络的实现 实验： 手动实现循环神经网络RNN，并从至少一个数据集上进行实验，这里我选取了高速公路传感器数据PEMS04（后面的实

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 一：从Windows系统中找到自己对应的字体文件 目录如下：可以选择“宋体常规“--.ttc文件 二：建立字体目录 注：-p 表示递归创建目录，必

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 1.下载anaconda3 首先下载anaconda，由于官网的下载速度十分缓慢，而且还不支持断点续传，经常下载失败。故而，去国内的镜像站点下载：

手动实现请参考：https://juejin.cn/post/7090019768316461070 一：“利用torch.nn实现前馈神经网络解决回归、二分类、多分类任务”实验 注： 因为相比于手动

一：“手动实现前馈神经网络解决回归、二分类、多分类任务”实验 1.1“手动实现前馈神经网络解决回归”实验 实验过程： 1.1.1 导入所需要的包 1.1.2自定义数据 注：这里按照ppt的实验要求，进

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 循环神经网络RNN结构被广泛应用于自然语言处理、机器翻译、语音识别、文字识别等方向。本文主要介绍经典的RNN结构，以及RNN的变种（包括Seq2S

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 1：cuda-c Cuda-c 极大程度的方便了我们利用GPU并行处理来加快自己程序的运行速度，但是大多情况下我们的程序是一个极为庞大的工程项目，

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 1.数据结构分析（欧几里德和非欧几里德数据） 欧几里德数据 如上图所示，每个节点之间都是排列整齐的，所以很容易的可以定义出距离来，如下图所示： 非

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 推荐阅读第一篇博客：https://juejin.cn/post/7083421350685048846 因为在写第一篇的时候对于kitti数据集

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 pcd点云的存储形式一共有两种，分别是binary和ascll码的形式，其详解见https://blog.csdn.net/qq_37534947

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 预 数据集官网下载地址： http://www.cvlibs.net/datasets/kitti/eval_object.php?obj_ben

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 @TOC 1.前提 安装好标定功能包：https://github.com/XidianLemon/calibration_camera_lida

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 3种线性滤波：方框滤波、均值滤波、高斯滤波 高斯滤波： 1.定义 图像滤波，即在尽量保留图像细节特征的条件下对噪声进行抑制，通过抑制高频段来减少噪