logo
publist
写文章

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

Linux芯片级移植与底层驱动(基于3.7.4内核)

 宋宝华的blogLinux Consultant目录视图摘要视图订阅2016攒课第二期之你听课我买单,快来攒你想听的课!     2016大数据应用调查     2016年7月微软MVP申请开始了! Linux芯片级移植与底层驱动(基于3.7.4内核)2013-01-26 18:40 31834人阅读 评论(4) 收藏 举报 分类: Linux ...

Makefile经典教程(掌握这些足够)

 ruglcc's blog研发7年,专注于 iOS Android Linux Github->https://github.com/ruglcc目录视图摘要视图订阅2016攒课第二期之你听课我买单,快来攒你想听的课!     2016大数据应用调查     2016年7月微软MVP申请开始了! Makefile经典教程(掌握这些足够)标签: make...

希尔伯特(Hilbert)空间和巴拿赫(Banach)空间

希尔伯特(Hilbert)空间和巴拿赫(Banach)空间(2012-03-29 11:42:53)希尔伯特空间在数学领域,希尔伯特空间是欧几里德空间的一个推广,其不再局限于有限维的情形。与欧几里德空间相仿,希尔伯特空间也是一个内积空间,其上有距离和角的概念(及由此引伸而来的正交性与垂直性的概念)。此外,希尔伯特空间还是一个完备的空间,其上所有的柯西列等价于收敛列,从而微积分中的大部分概念...

RuntimeError: CUDA error: CUBLAS_STATUS_NOT_SUPPORTED when calling `cublasSgemmStridedBatched` 报错解决

参考了博文:https://blog.csdn.net/weixin_44162363/article/details/135079411。配置项目环境: https://github.com/JH-LEE-KR/l2p-pytorch。而且此时运行程序执行命令后,不再报错。这里其实有点问题,看下面解决方法。

nvcc fatal : Unsupported gpu architecture ‘compute_

编译 tiny-cuda-nn 遇到的问题。更改cmake版本3.18.0。gcc11降到gcc7问题解决。报错 GNU version。

ubuntu 安装 python 多版本

sudo ln -s /usr/local/python3.8.10/bin/python3 /usr/bin/python(如果 /usr/bin/python 之前有,删除即可)sudo ln -s /usr/local/python3.8.10/bin/pip3.8 /usr/bin/pip(如果 /usr/bin/pip 之前有,删除即可)下载后解压,终端 cd 到安装文件目录,,从源码安

文章图片
#ubuntu#python
图像的三种分形维数的计算方法

分形维的计算方法比较多,虽然准确度各不相同,但结果都大同小异。最近对这方面做了一些了解,并用在图像的特征提取中。现在总结一下。俺们做磕盐的银,转载也要严谨的注明出处,吴有光20111121写于博客:http://blog.sina.com.cn/wuyouguang1,盒子法(box-counting)【1】Gangepain于1986年提出来的。将图像看做三维的曲面,然后计算覆盖的盒子数,即可得

AP近邻传播聚类算法原理及Matlab实现

AP近邻传播聚类算法原理及Matlab实现Affinity Propagation (AP)聚类是2007年在Science杂志上提出的一种新的聚类算法。它根据N个数据点之间的相似度进行聚类,这些相似度可以是对称的,即两个数据点互相之间的相似度一样(如欧氏距离);也可以是不对称的,即两个数据点互相之间的相似度不等。这些相似度组成N×N的相似度矩阵S(其中N为有N个数据点)。AP算法不需要事先指定聚

Haar分类器原理1——矩形特征与积分图

引言Haar分类器又称Viola-Jones识别器,是Viola和Jones分别在2001年的《RapidObjectDetectionusingaBoostedCascadeofSimpleFeatures》和2004年的《RobustReal-TimeFaceDetection》提出并改进的。Haar分类器由 Haar 特征提取、离散强分类器、强分类级联器组成。核心思想是提取人脸的 Haar

200+ 特征提取匹配方案

0. 写在前面今天为大家推荐一篇基于深度学习的局部特征提取+匹配的最新综述,将图像匹配方法分为基于检测器和无检测器两大类,关注了传统手工方法和现代深度学习之间的联系,评估了流行数据集和评估指标,介绍了局部特征匹配在结构运动、遥感图像配准和医学图像配准等各个领域的实际应用。下面一起来阅读一下这项工作~1. 论文信息标题:Local Feature Matching Using Deep Learni

文章图片
    共 30 条
  • 1
  • 2
  • 3
  • 请选择