服务器上被新来的小伙伴不知道弄了啥，docker没法用了，具体报错如下：docker ps -aCannot connect to the Docker daemon at unix:///var/run/docker.sock. Is the docker daemon running?找了找解决方法，其实就是关闭docker，再重新启动，具体如下：service docker stopsyst

使用–branch指定分支,也得多试几次,开手机热点比较快git clone --branch v3.7.1 https://github.com/protocolbuffers/protobuf.git使用那么多次git clone,发现下载速度最快的方法就是使用手机热点…...

模型转换（pth转onnx转caffemodel）一、背景介绍因为模型要用到前端，所以要将pytorch训练的模型转成caffemodel，之前LZ已经写了一片tensorflow转caffemodel的教程，今天就总结一篇pytorch转onnx转caffemodel的教程二、pth转onnx这个严格意义上是DBFace系列的第四部分，但是主要是用来转模型，对其他模型也是适用的，于是就单独拎出来

稀疏奖励和收敛慢是RL的核心挑战，根源在于。

这个主要是matplotlib版本的问题新版本绘制三维散点的方式:import matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfig = plt.figure()ax = fig.add_subplot(111, projection='3d')Prior to version 1.0.0, the me...

人脸姿态估计预研（二）1. 背景为什么要写第二篇，因为第一篇写的很简单，自己的思考部分比较少，并且还有一些细节需要补充2. 算法部分2.1 到底使用多少个点？这个确实是一个比较实在的问题，因为博客里LZ也看到不少，基本上都是参考opencv与DLIB那篇博客博客的，下面评论中有很多问题，自然LZ也是有很多疑惑的。首先一个问题便是到底用多少个点？这些点的3D模型怎么得到的，模型应该也是有对应的方向的

1.scipysudo apt-get install libblas-devsudo apt-get install liblapack-devsudo apt-get install gfortransudo apt-get install python-scipy之前傻，没有安装gfortran就会报错，会出现error:library dfftpack has fortran sour

人脸姿态估计简单预研一、 背景介绍其实背景很简单，就是有些算法针对正脸的效果很好，但是对于特别大的侧脸，效果就不是很好，所以需要需要根据人脸姿态来进行过滤。二、 算法的简要介绍1. 什么是姿态估计在计算机视觉中，对象的姿态是指其相对于相机的相对方向和位置，我们可以通过相对于相机移动对象，也可以相对于对象移动相机，还可以同时移动相机和对象，如果相机和对象保持相对静止，虽然相机和对象在世界坐标系中的位

NeRF（Neural Radiance Fields）是一种使用神经网络表示3D场景的方法，能够从稀疏的多视角图像中学习场景的连续表示，并合成任意新视角的高质量图像。新视角合成是NeRF的最终目标：给定训练时未见过的相机位姿，生成该视角下的图像。1. 数据加载├─ 加载多视角图像├─ 加载相机参数（内参、外参）└─ 划分训练集/验证集/测试集2. 模型初始化├─ 创建粗网络（Coarse Net

1.支持向量机简介支持向量机总的特点：泛化错误率低，计算开销不大，结果易解释，缺点：对参数调节和核函数的选择敏感，原始分类器不加修改仅适用二类问题。适用数据类型：数值型和标称型数据。什么叫支持向量？什么又叫做支持向量机？支持向量的本质就是离分割超平面最近的那些点，就是数据集的部分样本点，如果包括全部的样本点，那就是kNN算法了。支持向量机是一种分类器，之所以称之为“机”是因为它会产生一个二值决策结