原创 PSMNet:Pyramid Stereo Matching Network學習測試筆記04-特徵提取部分前向傳播

寫在前面的話: 2019年9月21日18:56:48好久沒回來更新博客了。因爲在實習中,實習的新問題一大堆,並且實習的工作內容整理了也是發在公司內網wiki,外面是不可能發的(專業,有節操)。週末再做做畢業論文相關的工作。 寫在前

原创 OpenCV4.1 FileStorage的參數:BASE64的變化以及使用時候的不同

問題描述:我在OpenCV3.2處理出來一堆xml的數據,在慢慢朝OpenCV4.1轉,過程中發現需要往原來的xml裏面添加幾個Mat,順便測試一下讀寫,結果發現BASE64變了。 在OpenCV 3.2裏面,使用BASE64的

原创 深度學習小筆記05-擴展autograd-摘抄自《深度學習框架PyTorch:入門與實踐》陳雲-附個人書評

爲什麼摘抄這一段,因爲我認爲這裏是一個非常有用的部分,看完autograd就想去問答區提問: 然後發現沒有c幣,於是乎暫時作罷,結果發現答案就在下一小節(先看完再想問題,不然浪費了一個好問題),沒辦法我就是這麼熱愛思考的一個人,

原创 PSMNet:Pyramid Stereo Matching Network學習測試筆記01 -- 小問題的小筆記

寫在前面的話: 2019年09月28日18:02:55補充說明:CSDN博客發佈版權更新,如果您看了博客並且用到PSMNet相關東西,請註明引用原作者的文章: @inproceedings{chang2018pyramid, t

原创 PyTorch的函數們

寫在前面的話:PyTorch調試看過程是真的方便。 更新寫在前面的話:2019年08月03日21:44:07 CSDN更新,原文我標記爲轉載,因爲是從各處搜刮的內容,但是現在更新文章需要附加原文鏈接,我這原文那麼多,都在各自超鏈接

原创 TensorFlow學習筆記01-常見函數和雜七雜八的筆記

寫在前面的話: TF的結構在開始階段還是比較難受的。它和之前學的所有語言都不一樣。傳統語言都是順序運行,TF採用tensor的方式工作,因此在定義完之後,在沒調用run之前。只是有一堆定義,也就是計算圖。這裏記錄下遇到的常用函數,

原创 2019騰訊實習筆試題部分記錄+兩次電話面試筆記

第一題:有n層的一座塔,跳塔 有n層的一座塔,每層高度不一樣,現在小Q去爬塔,有如下特性:他爬塔的速度恆定,也就是說爬每一層的用時和這一層的高度成正比。但是他有一個能力:他可以有一種魔法,這個魔法可以跳過一層或者兩層塔,但是每跳躍

原创 從OpenCV源碼學習match()和knnMatch()進行雙目匹配

寫在前面的話:最近做雙目匹配,需要用到OpenCV的特徵識別匹配,但是對於低反射率物體即使投影了隨機散斑之後出來的效果依舊很差,於是乎看看特徵匹配的源碼,看看能不能從原理上有所發現(用的knnMatch並且已經極線對準,可是效果在

原创 扯淡DIY-分享一下自己的鍵盤:GH60

GH60可以說是程序員的浪漫之作了。 我的輸入魔方,手不需要挪位置就可以完成全部操作,而且,根據自己的喜好自定義軸和按鍵(全鍵盤)比如我覺得Capslock沒啥用就改成了Fn,然後結合wasd就變成了方向鍵(當然還有hjkl) 下

原创 深度學習小筆記00-深度學習看的書推薦和其他小問題還有一些博客鏈接

寫在前面的話:一些零零碎碎的小事情。 做CV,逃不掉要接觸機器學習,我現在才入手其實很晚了,但是相信我能很快進入這個領域的,之前一直沉迷opencv,出到opencv4.0,已經正式融合TF了。這是一個非常有趣的事。 文章目錄新手

原创 PSMNet:Pyramid Stereo Matching Network學習測試筆記05-out of memory

寫在前面的話: 我單張1080ti batchsize=3我好難。 我採用訓練一部分;再測試;然後數據集再訓練的方式進行。然而通過測試後再訓練出現OOM異常: 於是乎我嘗試做了修改。訓練兩天後第一次訓練完: 終於可以開始第二次訓

原创 深度學習小筆記05-擴展autograd-摘抄自《深度學習框架PyTorch:入門與實踐》陳雲

爲什麼摘抄這一段,因爲我認爲這裏是一個非常有用的部分,看完autograd就想去問答區提問: 然後發現沒有c幣,於是乎暫時作罷,結果發現答案就在下一小節(先看完再想問題,不然浪費了一個好問題),沒辦法我就是這麼熱愛思考的一個人,

原创 深度學習三維重建-雙目視差三維重建小筆記

記錄一下深度學習進行雙目三維重建看過的網絡 持續更新(時不時更新) 數據集: SceneFlow KITTI ETH3D 與三維有關的數據集: TanksAndTemples 一大堆Github總結的數據集 Github大佬的筆記

原创 PSMNet:Pyramid Stereo Matching Network學習測試筆記03-如何訓練網絡

這裏開始看PSMNet源碼 數據集如何組織輸入不看,只看這個網絡做了哪些工作。 if self.training: w, h = left_img.size th, tw = 256

原创 深度學習小筆記04-魏秀參《解析深度學習-卷積神經網絡原理與視覺實踐》

這本書講的很好,難得的高質量的精華內容,相比其他蹭熱度的書靠譜紮實的多。 我這裏記錄一下閱讀過程中對我來說有用的內容,摘抄自原書,因此標記爲轉載: 9.4小結: p111在分類問題的目標函數中,交叉熵損失函數是最爲常用的分類