对于在深度学习过程中，模型生成的权重文件是没办法直接打开的，这里展示利用代码来读取网络层和相关参数。

机载LiDAR航飞获取的原始激光数据在经过数据预处理之后就是海量的激光点云数据，这些点云数据包括地面点、植被点、建筑物点、水域点、其他地物点以及噪声点，且都在同一一个数据层。激光点云数据分类就是要将这些点放在预先定义的数据层中，比如，地面点放在ground层，植被点放在vegetation层，建筑物点放在building层等，其中重点是要分出地面点，从而生成DEM。

这里展示的代码我只使用了上面的部分，下面是源码里面摘出来的一段没有去细看。从这段代码里面可以看出来LEFF模块大概就是一个展平然后复原的过程。通过实验，我们发现这个模块对于细节部分的关注过于着重，导致检测结果并不是特别好，所以如果大家对于比较小的目标进行检测，倒是可以去进行尝试。为了能成功运行这个模块，在传入张量之前需要进行一个格式的转换，并且在处理之后需要进行一个还原。对于这个模块，网上相关的资

对于在深度学习过程中，模型生成的权重文件是没办法直接打开的，这里展示利用代码来读取网络层和相关参数。

地图编制设计书1.专题地图编制设计（1）图名、比例尺、地图目的、用途和编制原则与要求（2）地图投影与图面配置（3）编图资料的分析评价和利用处理方案（4）地图内容、指标，表示方法和图例设计（5）地图概括（制图综合）的原则要求和方法（6）地图编绘程序与工艺（7）图式符号设计与地图整饰要求（8）一般包括图片配置设计，资料及其利用略图，地图概括样图，图式图例（包括符号、色标）设计等2.专题地图制作1.专题

当网络输出结果中包含少量负值，训练代码可以正常跑通，当出现大量负值时，会出现大量不同的关于CUDA的报错警告信息。问题解决：对于这类问题的解决要点在于BN和RELU等结构的适当调整，以个人经验看来适当控制网络输出，增加激活函数来减少网络负值现象，能够有效解决此类问题。在神经网络搭建设计过程中遇到关于CUDA报错（指搜索结果的指向），实际问题出现在网络的损失计算阶段（这里使用交叉熵损失函数、二元交叉

1、生成坡度栅格图（1）建立TIN网加载高程点gcd.shp数据通过ArcToolbox工具： 3D Analyst工具->数据管理->TIN->创建TIN，如下图所示。生成TIN网，如下图所示。（2）由TIN网生成栅格图通过ArcToolbox工具： 3D Analyst工具->转换->由TIN转出-> TIN转栅格，生成栅格图，如下图所示。（3）由栅格图生产

2、目前看来文心一言模型可能是接入了百度的搜索引擎，在我们进行一些询问时，能够给出一些出乎意料的答案。由于近几天来，我的手机短信不断收到百度公司对于“文心一言”大模型的体验邀请（真是不胜其烦）！对于个人来说，这两者在不同方面的具体效果如何还需要进一步探索，至少于我来说都很不错，并且达到了我对于深度学习目前能力的想法，甚至略有超出。目前文心一言模型的问题可能在于，你不能在提问界面停留过长时间，网页会

文件夹是用来储存标签文件的（PS：需要另外下载），当然，文件夹里的内容看起来很厚礼蟹。当我对模型进行了梳理之后（对了，backbone是基于MOBILENET的），对于VOC数据集可以进行一些调整。笔者近期在做图斑提取相关的研究，其中涉及到deeplab网络，其中V3+默认使用的是VOC数据集。其中，JEPGImages放的就是.jpg文件，如果不是，需要转换一下（代码我放后面）是不包含JEPGI

掌握 Cyclone 软件的安装与解密；了解 Cyclone 软件的功能模块；熟练应用软件进行点云数据的基本操作；设计基于地面激光扫描数据的被测目标三维模型构建的生产流程。