原创 二次規劃_2_——起作用集方法

  這個算法很反人類,迭代過程相當複雜,最優化老師說:“明確地告訴你要考的。”   起作用集方法適用於消元法和Lagrange方法無法處理的不等式約束二次規化問題。其主要思想是:以已知點爲可行點,只考慮將該點的起作用約束,最小化f

原创 二次規劃_1_——Lagrange方法

  二次規化是非線性規化中的一種特殊情形,其目標函數是二次實函數,約束是線性的。考試中會考到四種方法,分別爲:Lagrange方法、起作用集方法、直接消去法和廣義消去法。前兩種在教材上有詳細描述,後面兩種出現在PPT上面。本節先介

原创 轉載篇:優秀博文彙總

1.Pytorch中堆網絡語法:《nn.moduleList 和Sequential由來、用法和實例 —— 寫網絡模型》 https://blog.csdn.net/e01528/article/details/84397174 2.CN

原创 Python中 *args 和 **kwargs 的含義和用法

*args和**kwargs都是用於函數定義時的功能性標識,其主要作用是參數傳遞。 一、*args的用法 定義函數時,將*args放在參數列表中,調用時直接放入多個數值,輸出結果和類別: def function(*args):

原创 約束非線性優化:幾何意義&對偶形式

藉助老師的PPT對約束非線性優化問題的幾何意義和對偶形式進行闡述。 一、幾何意義 (1)等式約束 考慮只有等式約束h(x)的非線性優化問題,形式爲:  可視化結果如下圖所示,紅色曲線爲等式約束,環線爲目標函數等值面。達到最優解x*時,必

原创 相機幾何學——投影矩陣P的構成(實驗報告版)

最近在可視化WildTrack數據集,由於要對棋盤格點進行映射和繪製,涉及到了P矩陣的計算。現在對P的來源進行了系統的整理,以備後忘。在最後對場地端點映射產生的問題進行了討論(事情開始變得有意思了起來!)。   似乎一切都是那麼的完

原创 約束優化方法_1_——Zoutendijk可行方向法

Zoutendijk可行性方法屬於約束極值問題可行方向法中的一種。與之前無約束極值問題中的最速下降法、牛頓法相像,可行方向法的策略是:從可行點出發,沿着下降的可行方向進行搜索,求出使目標函數值下降的可行點。 教材中共介紹了四種方法:Zou

原创 二次規劃_3_——直接消去法&廣義消去法

  教材裏面沒有對直接消去法&廣義消去法進行任何介紹,所有的內容都在老師的PPT裏面,又起了個名字叫降維。公式太多了,老師又說的確要考,所以打算只把大致思路理清楚,真考到了列出處理思想就跑。 一、直接消去法   考慮具有等式線性約

原创 初識Vulkan渲染管線

目前參考《Vulkan規範》和《Vulkan開發實戰詳解》對渲染管線有了一個初步的認識。現結合中英文的渲染管線圖進行筆記整理。中英文的渲染管線圖分別如下所示:   繪製命令送入設備隊列執行後,Vulkan將原始的物體頂點座標數據、頂點

原创 批量歸一化:Batch Normalization層 原理+Pytorch實現

一、BN層概念明晰 BN層存在的意義:讓較深的神經網絡的訓練變得更加容易。 BN層的工作內容:利用小批量數據樣本的均值和標準差,不斷調整神經網絡中間輸出,使整個神經網絡在各層的中間輸出的數值更加穩定。 BN層注意事項:訓練模式和預測模式

原创 模型量化——基礎知識 & LSQ論文閱讀

  感謝陳老師給的機會,有幸能夠參加2020年的DAC比賽。我在其中負責目標檢測器的調試和量化。自己第一次接觸量化這個任務,很多東西都是一點一點學。 一、量化基礎   對於一個全精度的值vvv,若量化步長爲sss(也可理解爲量化分

原创 知識圖譜筆記(小象學院課程)

2018年寒假看小象學院課程的時候寫的筆記,一共寫了10頁,記得比較亂。因爲紙質筆記不容易保存,所以把它掃成了PDF以備後用。希望大家能夠指出不足和錯誤。        

原创 隱馬爾可夫模型HHM重要公式推導

我終於把HMM看完了,這些筆記都是看的過程中自己對推導過程寫的註釋,還有知識框架。原來卡爾曼和粒子濾波都是屬於HMM模型裏面的。筆記結構如下: 1. HMM簡介:知識體系 + “一個模型” + “兩個假設” + “三個問題” 2. Ev

原创 相機幾何學——相機投影矩陣( Camera Projection Matrix)

相機投影矩陣爲P,是MTMC任務中每個標定好的攝像機所配備的參數。總是忘記關於它的基本性質,現在寫在這裏 1. P矩陣的維度是3*4。 2. 相機成像過程可以描述爲x=PX,其中X是一個4*1的向量:(X,Y,Z,1)T。 3. 左側的

原创 Detect-and-Track論文:筆記

【題目】:《檢測-追蹤:視頻中有效的姿勢估計》 【批註】: 這篇CVPR-2018文章算是進復旦/博立的文章閱讀首秀吧,一開始以爲畢設是要做姿勢估計,但是最後做的是MTMC。論文裏使用的方法是擴展後的Mask R-CNN,也正是因爲這篇