CNN 三大算子:CONV + BN +RELU1、为什么 BN指导思想：机器学习领域有个很重要的假设：IID独立同分布假设，就是假设训练数据和测试数据是满足相同分布的。具有统一规格的数据, 能让机器学习更容易学习到数据之中的规律。具体原因：随着网络加深，数据经过激活层后趋向两侧，梯度趋于消失，分布在敏感激活区域（中间部分）的数据减少。不利于网络收敛。BN 将数据从新拉回标准正态分布。如何 BN减

本文假设去畸变后的图像与原图大小一样大。由于去畸变后的图像符合针孔投影模型，因此不同的去畸变焦距得到不同的视场大小，且物体的分辨率也不同。可以见上图，当焦距缩小为一半时，相同大小的图像（横向投影距离一样长），对应的视场角不同。所以为了扩大视野，需要缩小焦距，

训练好的模型（如.pt）转成onnx形式，ONNX定义了一组与环境和平台无关的标准格式。ONNX文件不仅存储了神经网络模型的权重，还存储了模型的结构信息、网络中各层的输入输出等一些信息。ONNX的推理可以用ONNX Runtime官方库，如果在英伟达平台上，可以转TensorRT后运行。本文主要介绍转TRT格式后如何C++部署运行。

3、numpy 提示就是“AttributeError: module ‘numpy’ has no attribute ‘bool’”。安装完后如果出现问题1，再进行修改。

假设有M个真值正样本，我们从Top-1 到 Top-N，每累积一个预测就会对应一个recall 和 一个 precision。,M/M），对每一个recall，从对应的precision 中取最大值作为当前recall 对应的precision，求M 个precision的平均得到AP。一般用 IOU 进行匹配，预测框和真实框之间的 IOU 值大于一定阈值时，比如0.5，则认为对真实样本正确预测。

nuscenes 数据可视化工具

1 . 编写核函数进行数据处理kernerl.py 文件kernel_img = '''extern "C"__global__ void medianfilter(const float *input,float *output,const int w...

定义是否使用GPU可有可无，默认为 cpudevice = torch.device("cuda" if torch.cuda.is_available() else "cpu")训练数据：BATCH_SIZE = 64 ：批处理尺寸，即一次处理图像的张数加载训练数据 ： 以cifar10 为例trainset = torchvision.datasets.CIFAR10(root=...

指定类型和大小的二维数组。2、ptr指针进行访问。缺点：访问速度相对慢。

相机成像经历三个过程：1、世界坐标系到相机坐标系。外参变换，涉及外参参数：(1)、世界坐标系到相机坐标系的旋转矩阵 R(2)、世界坐标系到相机坐标系的平移矩阵 T2、相机归一化坐标系（z=1）平面内坐标投影畸变畸变矫正， 涉及内参畸变参数：径向畸变系数：k1, k2, k3切向畸变系数：p1, p23、相机归一化坐标系（z=1）平面投影到像平面相平面投影，涉及内参畸变参数：投影焦距：fx,fy相位