随笔分类 - ai
TRAM尝鲜
摘要:https://github.com/yufu-wang/tram 因为大多数云计算平台都是用docker开容器的,docker内不能再装docker(安全权限受限),所以锁定在一个平台上做就行了。然后打包自己的镜像。 制作images autodl算力云,租了个最便宜的2080Ti,0.88元/小
2024 姿态估计/动作捕捉 开源项目 pose estimate / mocap opensource projects
摘要:微软闭源,一步到位: https://www.bilibili.com/video/BV1pz1hY2EWK 置顶 排行 计划 身捕 3d-human-pose-estimation https://github.com/zju3dv/GVHMRhttps://github.com/yufu-wan
Easymocap 运行
摘要:预安装pre-install https://chingswy.github.io/easymocap-public-doc/install/install.html https://github.com/zju3dv/EasyMocap/issues podman ubuntu22.04 LTS的
EasyMocap Demo 安装各种错误的坑
摘要:安装环境与依赖 OpenPose on Linux Mint 21.3(Ubuntu 22.04) https://github.com/AClon314/tauri-vuetify-learn/blob/c57c203a27eadd4a39142002fb61230bf750d6d4/src-ta
理解Transformer [数据挖掘深度学习]
摘要:属性 离散/连续 离散属性:具有有限或无限可数个值,不一定为整数。属性hair_color、smoker、medical_test和drink_size都有有限个值,因此是离散的。 离散属性可以具有数值。如对于二元属性取 0 和 1 ,对于年龄属性取 0 到 110 。如果一个属性可能的值集合是无限
卷积/池化、全连接、矩阵乘法/行列式乘法
摘要:运算 全连接 全连接:参数矩阵 乘 输入向量,得到一个输出向量的形式 卷积相比全连接实际上是对参数矩阵做了一种先验的限制(矩阵是稀疏的、同时参数复用),这种先验是建立在在高维空间中相邻的数据点存在一定的关系的基础上,比如图像中一个局部之间可能构成一个形状或者一个组件,因此卷积这种操作特别适合应用于图
RNN, LSTM
摘要:# 矩阵代表变换方式,相当于加减乘除。值就是值。 # :param varname: jsDoc风格的注释,用于说明参数的作用 LSTM笔记、个人理解: 设定:先遗忘→再输入门→输出门 C_t-1负责长时记忆,h_t-1负责短时记忆 遗忘门 \(f_t=\sigma(\mathbf{W}_f[\ma
提高搜索引擎准确度,停用词
摘要:停用词 对于一个给定的目的,任何一类的词语都可以被选作停用词。通常意义上,停用词大致分为两类: 1、人类语言中包含的功能词:这些功能词极其普遍,与其他词相比,功能词没有什么实际含义,比如 the、is、at、which、on 等。但是对于搜索引擎来说,当所要搜索的短语包含功能词,特别是像 The W
数学&算法 随想/哲思/思考
摘要:如何区别算法岗与前端岗: 遇到算法题 https://www.acwing.com/problem/content/242/ : 思维扁平,逻辑简单,甚至连题都没读懂be like(目前水平): #include"ac.h" #include<bits/stdc++.h> using namespa