DeepSDF论文复现1---数据集生成1---官方代码运行

最近刚刚换了台新电脑，想着空出老电脑直接装一个Ubuntu系统给新电脑远程连接过去进行开发，就可以完美避开双系统老是要重启切换的问题。仔细一查发现Ubuntu24.04自带了RDP远程工具，大喜！于是探究了一番。本篇文章将介绍本人探究的结果，即Ubuntu24.04自带远程工具的两种用法和相应的优缺点。

要实现批量生成word文档的功能，其难度其实非常小，在程序实现层面上可以直接拆解为：读取xlsx文档的内容本人实现的工具将xlsx文档（Excel文档）的第一行内容定义为word文档中需要被替换的内容，后面每一行对应的内容则为要替换的内容。也就是第一行每一列的内容都会被后面一行同列的内容替换，然后生成一个新的word文档。这一部分的技术细节可见OpenXML库（office文档读写库）的安装这篇文

摘要：本文介绍了在ESP32-P4平台上使用LVGL驱动800*1280屏幕的性能测试过程。基于微雪开发板的LVGL 9.4.0例程，通过添加测试结果输出功能，评估了UI渲染性能。测试中遇到旋转90°时的PPA冻结问题，通过打补丁解决；同时修复了CPU占用率显示异常的Bug。最终在三缓冲+全局刷新+0°旋转配置下获得基准测试结果，包括各场景的CPU占用、FPS、渲染和刷新时间等关键指标，为后续UI

本文介绍了如何在Windows和Linux系统上运行NeRF的PyTorch实现代码。主要内容包括：1) 源码获取和虚拟环境配置，针对不同显卡提供了兼容性解决方案；2) 数据下载和训练步骤说明，包含可视化相机位姿的方法；3) 数据集结构分析，解释了单个场景的数据组织形式。文章详细记录了从环境搭建到模型训练的全过程，并提供了可视化相机视锥的代码示例，帮助读者快速上手NeRF项目。运行时间方面，RTX

不久前PyTorch0.4.0官方支持了Windows，可谓是感天动地，于是乘比较空闲的时间搭搭环境，顺便做下记录。一.下载和安装CUDA9.1+cudnn-9.1库（注意下载的时候选择好配套的版本）CUDA 地址如下：https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=

上一篇文章我们强力推导了GAN的数学公式，它就是：V=Ex∼Pdata[log⁡D(x)]+Ex∼PG[log⁡(1−D(x))]V = E _ { x \sim P _ { \text {data} } } [ \log D ( x ) ] + E _ { x \sim P _ { G } } [ \log ( 1 - D ( x ) ) ]V=Ex∼Pdata​​[logD(x)]+Ex...

最近一直在搞神经网络，因为习惯了Windows的操作，一直在Windows下看文章写东西，也就顺势在Windows下做了代码编写和训练。一开始觉得速度也就那样，没太注意，但一次因为电脑比较忙拿同样的代码到别的装了Ubuntu系统的机子上面跑，才发现它们的效率意外的相去甚远。下面放出同样的代码在两个平台下的运行速度，希望看到的人能得到些许有用信息。MXNet架构实现内容为FCN全卷积神经网络，...

　　上一篇文章：深度学习1—最简单的全连接神经网络　　　我们完成了一个三层（输入+隐含+输出）且每层都具有两个节点的全连接神经网络的原理分析和代码编写。本篇文章将进一步探讨如何把每层固定的两个节点变成任意个节点，以方便我们下一篇文章用本篇文章完成的网络来训练手写字符集“mnist”。　　对于前向传播，基本上没有什么变化，就不用说了。主要看看后向传播的梯度下降公式。先放上上篇文章的网络图。 ...

最近学python（不知道什么时候起这哥们变得如此流行，以至于机器学习之类的课题都要学习一下它），发现编辑器虽好，但还是喜欢VS那样的IDE，毕竟可以很方便调试，而不是“死后验尸”或高级点打印出些“遗言”。　　于是选了最习惯的Visual Studio Code来搭环境（方便到Ubuntu下也用起来，毕竟机器学习。当然也不用讨论别的工具才牛逼这样的话题，其实习惯了都牛逼，代码本身才重要）。　　Vi