摘要：
内容概览： 一、为什么需要使用反走样？ 因为如左图所示是我们需要采样的三角形，右图是根据判断像素点是否在三角形内，采样后进行填充后的图案。明显看出右图和左图的差异性，这种现象叫做“锯齿”，我们改善这种现象，可通过“反走样（或者抗锯齿 ）”改善。 二、图形学中的采样 采样在图形学中无处不在。常见的采样 阅读全文
摘要：
过拟合现象，即模型的训练误差远⼩于它在测试集上的误差。虽然增⼤训练数据集可能会减轻过拟合，但是获取额外的训练数据往往代价⾼昂。本节介绍应对过拟合问题的常⽤⽅法：权重衰减（weight decay）。 一、方法 权重衰减等价于 范数正则化（regularization）。正则化通过为模型损失函数添加惩 阅读全文
摘要：
一、训练误差和泛化误差 对于一个模型，并不是在本训练集下的准确率越高越好，很可能会因为过拟合，导致在本模型的训练集测试效果好，但在其他数据集的效果差。由此，有两个误差概念： 训练误差： 指该模型在训练数据集上表现的误差。 泛化误差： 指该模型放到任一个数据集下表现的误差，取近似误差。泛化误差更具参考 阅读全文
摘要：
今日学习内容概览： 1. Finishing up Viewing Viewport transformation 2. Rasterization Different raster displays Rasterizing a triangle 一、透视投影（Perspective Project 阅读全文
摘要：
其他博客： 多层感知机概述：https://www.cnblogs.com/somedayLi/p/12313804.html 多层感知机从零开始实现：https://www.cnblogs.com/somedayLi/p/12359167.html 1. 使⽤Gluon来实现上⼀节中的多层感知机。 阅读全文
摘要：
其他博客： 多层感知机概述：https://www.cnblogs.com/somedayLi/p/12313804.html 多层感知机简洁实现：https:////www.cnblogs.com/somedayLi/p/12359420.html 下⾯实现⼀个多层感知机。⾸先导⼊实现所需的包或模 阅读全文
摘要：
一、问题描述： 安装ipywidgets后，我在运行下述代码时，出现了错误`` 错误显示： 错误截图： 二、问题分析： 可以用命令 检查是否能在后台找到这个插件，如果不能就需要重新安装。可以尝试下面这个解决方法： 然而上面的运行我并没有解决，于是进行了后续步骤。我安装的版本是4.x，查看了一系列解决 阅读全文
摘要：
一、问题描述： 在进行深度学习导包时，运行代码： 出现了“ImportError: FloatProgress not found. Please update jupyter and ipywidgets. See https://ipywidgets.readthedocs.io/en/stab 阅读全文
摘要：
一、问题描述： 在运行jupyter notebook时，显示服务挂掉。看后台提示：ImportError: cannot import name 'secure_write'，无法重启成功。 1. 后台日志记录： 2.jupyter notebook网页显示情况： 无法重启： 显示 如果在cmd环 阅读全文
摘要：
最初在子环境中安装，但是老出现问题，于是就在base环境中安装，运行命令（使用管理员模式打开anaconda prompt应该会避免一些问题）： 一、安装nbextensions （后续：使用conda命令简单还可以避免许多问题，但我已经安装好了，懒得改博客了。） 参考博客：https://blog 阅读全文