10 2024 档案
摘要：端到端自动驾驶技术发展的几个阶段： 初始阶段，采用dense grid。代表作是UniAD； vectorization阶段，把dense grid取消，所有元素都用向量表示，模型运行速度加快不少。代表作是VAD。利用了稀疏感知的端到端代表作是SparseDrive； 外挂LLM或VLM阶段。代表作
阅读全文
摘要：环境设置： 现实世界评估：在真实道路和环境中进行测试。 闭环评估：在高度仿真的模拟环境中进行动态测试。 开环评估：基于预录制数据，不需要动态环境。 测试内容： 现实世界评估：测试系统在真实环境中的实际表现，适用于全面验证。 闭环评估：测试系统在动态模拟环境中的表现，适用于快速迭代和验证。 开环评估：
阅读全文
摘要：示例： import torch box = torch.tensor([[[0.1000, 0.2000, 0.5000, 0.3000], [0.6000, 0.6000, 0.9000, 0.9000], [0.1000, 0.1000, 0.2000, 0.2000]], [[0.1000,
阅读全文
摘要：资料 LaneAF(Arxiv2021)|利用Affinity Field聚类进行车道线实例分割 - 知乎 (zhihu.com) OpenDriveLab/OpenLane-V2: [NeurIPS 2023 Track Datasets and Benchmarks] OpenLane-V2:
阅读全文
摘要：资料： 论文：https://arxiv.org/abs/2301.12511 代码：https://github.com/Sense-GVT/Fast-BEV 【BEV】学习笔记之FastBEV(原理+代码注释) - 知乎 (zhihu.com) 【BEV 视图变换】Fast-Ray(2): 代码
阅读全文
摘要：转：PyTorch关于以下方法使用：detach() cpu() numpy() 以及item()_output.cpu().detach()-CSDN博客
阅读全文
摘要：Pytorch dataloader中的num_workers (选择最合适的num_workers值)_dataloader的numworkers-CSDN博客
阅读全文
摘要：第一步：模型训练 用下面的代码训练一个简单的模型：（数据集参考：利用pytorch的datasets在本地读取MNIST数据集进行分类） import torch import torch.nn as nn import torch.optim as optim from torchvision i
阅读全文
摘要：MNIST数据集下载地址：tensorflow-tutorial-samples/mnist/data_set at master · geektutu/tensorflow-tutorial-samples · GitHub 数据集存放和dataset的参数设置： 完整的MNIST分类代码： im
阅读全文
摘要：资料： 卷积神经网络中的Separable Convolution (yinguobing.com) （推荐） Depthwise卷积与Pointwise卷积-CSDN博客 卷积层的变体和替代 - 知乎 (zhihu.com)
阅读全文
摘要：资料： 细品EfficientNet - 知乎 (zhihu.com) 【论文解读】一文看懂EfficientnetB0~B7模型所有细节 - 知乎 (zhihu.com) EfficientNet 简介_mbconv全程-CSDN博客 【图像分类】用通俗易懂代码的复现EfficientNetV2，
阅读全文
摘要：资料： AISystem/04Inference/02Mobilenet at main · chenzomi12/AISystem · GitHub AISystem/04Inference/02Mobilenet/02CNN.md at main · chenzomi12/AISystem ·
阅读全文
摘要：资料： 模型剪枝核心原理！模型剪枝算法和流程介绍！Model Pruning深度解析【推理引擎】模型压缩系列第05篇_哔哩哔哩_bilibili AISystem/04Inference/03Slim/05Pruning.md at main · chenzomi12/AISystem · GitH
阅读全文
