lzn1251-CSDN博客

原创 CUDA学习笔记(一)

说明： 1.此乃本人学习CUDA过程中的笔记，如有错误，欢迎指出⁄(⁄ ⁄•⁄ω⁄•⁄ ⁄)⁄。 2.由于我是初学，对CUDA的理解不多，排版不佳，还请原谅。（哎，高中作文都写不利索） 3.每日一问：今天你买到显卡了吗[○･｀Д´･ ○]？一.核函数作用：实现主机（CPU）对设备（GPU）的调用声明形式：__global__ void hello_from_gpu(){ printf("Hello World from the GPU!\n");} 注：

2021-04-01 10:40:17 537

原创 PyTorch学习笔记(4)——detach、ones_like、meshgrid

1.detach() 作用：从当前网络分离出一个Tensor，值和原变量相同，但是不需要计算梯度。注意：返回的Tensor和原变量共享内存。两者的原地修改均不可见，而且可能会触发正确性检查的错误。对返回的Tensor的修改不会引起原变量的修改，但会触发错误。参考：PyTorch官方文档...

2021-03-30 19:43:54 351 1

原创 PyTorch学习笔记(2)——randn_like()、layout、memory_format

提醒自己要填的坑： torch.memory_format torch.preserve_format1.randn_like()torch.randn_like(input, *, dtype=None, layout=None, device=None, requires_grad=False, memory_format=torch.preserve_format) -> Tensor 返回一个和输入大小相同的张量，其由均值为0、方差为1的标准正态分布填充。即torch.ra

2021-03-18 10:25:08 16041

原创 PyTorch学习笔记(1)——permute、randint、DataLoader

说明：1.这是我在学习过程中的笔记，可能会有错误，欢迎各位读者指出错误（不要因为我是娇花而联系我(╹▽╹)）2.提醒自己要填的坑： torch.set_default_tensor_type() torch.layout torch.strided1.permute()意义：更改张量维度的排列import torchimport numpy as npa = np.array([[[0, 1, 2],[3, 4, 5]]])input =

2021-03-12 17:42:28 775

原创 PointNet++论文笔记

说明：1.此乃本人阅读论文过程中所记录的笔记，由于本人水平有限，难免会出现遗漏重点或表述不清等问题，请各位见谅。同时希望各位指出我的问题，让我发现问题所在，谢谢大家Thanks♪(･ω･)ﾉ。2.有些用词根据原文翻译（或是直接用原文），可能语句不通畅。（毕竟我是一个六级考了五次的憨憨）3.数据处理部分和结论分析部分没有加入，此处主要为了理清文章描述方法的处理流程。论文题目：PointNet++: Deep Hierarchical Feature Learning on Point Sets in

2021-03-12 10:06:05 409 4

原创 PointNet论文笔记

说明：1.此乃本人阅读论文过程中所记录的笔记，由于本人水平有限，难免会出现遗漏重点或表述不清等问题，请各位见谅。同时希望各位指出我的问题，让我发现问题所在，谢谢大家Thanks♪(･ω･)ﾉ。2.有些用词根据原文翻译（或是直接用原文），可能语句不通畅。（毕竟我是一个六级考了五次的憨憨）3.数据处理部分和结论分析部分没有加入，此处主要为了理清文章描述方法的处理流程。论文原题：PointNet: Deep Learning on Point Sets for 3D Classification and

2021-03-12 10:05:47 148

原创深度学习的激活函数（包含绘图代码）

1.为什么使用激活函数？提高神经网络的非线性表示能力。如果不使用非线性的激活函数，那么在神经网络中每一层的输出都是上一层输入的线性表示。那么即使不断增加网络的深度也还是线性映射，难以模拟实际模型的非线性情形。引入非线性的激活函数，使得神经网络可以逼近非线性模型。2.常用激活函数 (1)sigmoid函数表达式：f(x)=sigmoid(x)=11+e−xf(x)=sigmoid(x)=\frac{1}{1+e^{-x}}f(x)=sigmoid(x)=1+e−x1 函数图像如下： .

2021-03-12 10:05:10 815 1

原创 Pytorch之归一化层(BatchNorm、LayerNorm、InstanceNorm、GroupNorm)

BN，LN，IN，GN从学术化上解释差异：BatchNorm：batch方向做归一化，算NHW的均值，对小batchsize效果不好；BN主要缺点是对batchsize的大小比较敏感，由于每次计算均值和方差是在一个batch上，所以如果batchsize太小，则计算的均值、方差不足以代表整个数据分布LayerNorm：channel方向做归一化，算CHW的均值，主要对RNN作用明显；InstanceNorm：一个channel内做归一化，算H*W的均值，用在风格化迁移；因为在图像风格化中，生成结果主要

2021-03-05 22:46:20 2222

原创 Deep shape-aware descriptor论文笔记

说明：1.此乃本人阅读论文过程中所记录的笔记，由于本人水平有限，难免会出现遗漏重点或表述不清等问题，请各位见谅。同时希望各位指出我的问题，让我发现问题所在，谢谢大家Thanks♪(･ω･)ﾉ。2.有些用词根据原文翻译（或是直接用原文），可能语句不通畅。（毕竟我是一个六级考了五次的憨憨）3.数据处理部分和结论分析部分没有加入，此处主要为了理清文章描述方法的处理流程。 1.重要概念介绍拉普拉斯-贝尔特拉米算子（Laplace-Beltrami operator,LBO）:

2021-03-02 22:48:25 446

原创 DeepSD论文笔记

说明：1.此乃本人阅读论文过程中所记录的笔记，由于本人水平有限，难免会出现遗漏重点或表述不清等问题，请各位见谅。同时希望各位指出我的问题，让我发现问题所在，谢谢大家Thanks♪(･ω･)ﾉ。2.有些用词根据原文翻译（或是直接用原文），可能语句不通畅。（毕竟我是一个六级考了五次的憨憨）3.数据处理部分和结论分析部分没有加入，此处主要为了理清文章描述方法的处理流程。论文题目：3D Deep Shape Descriptor1.重要概念介绍三维特征描述符（3D shape signat

2021-03-01 16:13:59 647

原创 PointCNN论文笔记

说明：1.此乃本人阅读论文过程中所记录的笔记，由于本人水平有限，难免会出现遗漏重点或表述不清等问题，请各位见谅。同时希望各位指出我的问题，让我发现问题所在，谢谢大家Thanks♪(･ω･)ﾉ。2.有些用词根据原文翻译（或是直接用原文），可能语句不通畅。（毕竟我是一个六级考了五次的憨憨）3.数据处理部分和结论分析部分没有加入，此处主要为了理清文章描述方法的处理流程。待填的坑：[32]Hyeonwoo Noh, Seunghoon Hong, and Bohyung Han. Learning dec

2021-03-01 15:30:48 226

lzn025的博客