![](../../asset/images/user/bgImg_default.jpeg)
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
装完linux系统,发现普通用户无法使用sudo 命令,下普通用户无法使用sudo命令的解决方法" alt="linux 下普通用户无法使用sudo命令的解决方法" src="http://www.sinaimg.cn/uc/myshow/blog/misc/gif/E___6719EN00SIGG.gif" type="face">提示:xinhuan(普通用户)is not in the
前几天调通了在windows下usb转的串口,连到fs2410的开发板上,超级终端和DNW都输出正常,后来想在linux下试试效果(在windows xp下vmware中的redhat9),可费了两天劲也没见有输出内容。郁闷的不行。先是从网上找资料,有的说在虚拟机下要用ttyUSB0口,我找机器上的每个usb口试了一遍,也无果而终。后来又找pl2303(我的转串口里的芯片)的linux的
什么是BNBatch Normalization是2015年论文《Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift》中提出的数据归一化方法,往往用在深度神经网络中激活层之前。其作用可以加快模型训练时的收敛速度,使得模型训练过程更加稳定,避免梯度爆炸或者梯度消失。并
背景知识Marching Cubes算法是三维离散数据场中提取等值面的经典算法,其主要应用于医学领域的可视化场景,例如CT扫描和MRI扫描的3D重建等。等值面空间中所有具有某个相同值的点的集合,可以类比为地形图里的等高线。{(x,y,z)|f(x,y,z)=c},c是常数Marching Cubes算法的基本思想是逐个处理数据场中的立方体(体素),分离出与等值面相交的立方体,采用插值计算出等值面与
可分离卷积包括空间可分离卷积(Spatially Separable Convolutions)和深度可分离卷积(depthwise separable convolution)。
transformer对刚入门深度学习的我来说,太难懂了,从网上查了很多博客,大多文章都来自The Illustrated Transformer。视频链接。这篇文章的图太生动形象了,容易理解。下面就翻译下这篇文章吧,加深记忆。如果你是刚入门transformer,强烈建议你好好阅读本文或者原文。网上太多基于这篇文章的衍生文章,而且写的并不好懂,你看完这篇文章,在看我给你的链接参考文章,会更容易懂
在神经网络中 池化层是比较重要的,是提取重要信息的操作,可以去掉不重要的信息,减少计算开销。下面我们来介绍MaxPool2d的使用方法。API官网文档MaxPool2d 参数介绍kernel_size :表示做最大池化的窗口大小,可以是单个值,也可以是tuple元组stride :步长,可以是单个值,也可以是tuple元组padding :填充,可以是单个值,也可以是tuple元组dilation
为了完成高清视频这个项目,我们组踏上了征服pjsip之路,虽然完成项目,还存在许多困难,但是我们还是信心十足。我们要不断的超越自我。Pjisp是个开源的工程。可以进入官网做更多的了解:http://www.pjsip.org/。1.可以查看着官方文档:http://trac.pjsip.org/repos/wiki/Getting-Started/Windows2.选择开发软件版本:我
这篇论文提出了一个新的 Vision Transformer 叫做 Swin Transformer,它可以被用来作为一个计算机视觉领域一个通用的骨干网络.但是直接把Transformer从 NLP 用到 Vision 是有一些挑战的,这个挑战主要来自于两个方面一个就是尺度上的问题。因为比如说现在有一张街景的图片,里面有很多车和行人,里面的物体都大大小小,那这时候代表同样一个语义的词,比如说行人或
![文章图片](https://img-blog.csdnimg.cn/img_convert/264bb36e10d902f5ef6db43e9e72187a.png)