python -m pip install torch2.3.0 torchvision0.18.0 torch-tensorrt2.3.0 tensorrt10.0.1 --extra-index-url https://download.pytorch.org/whl/cu118

【代码】基于pytorch 的psnr和ssim计算。

浅显说法：把多个2维的张量凑成一个3维的张量；多个3维的凑成一个4维的张量…torch.stack() 沿着一个新维度对输入张量序列进行连接。torch.cat() 函数连接两个tensor, 沿着设定的维度增加尺寸。答：创建与原tensor 相同类型，相同device的tensor.比如一种使用方法，增加一个维度时一个列表的tensor连接在一起。创建一个tensor基于另一个tensor，目的

示例2：关于keepdim 参数， True表示保持原有维度，是2维就是2维，3维就是3维。2范数是 所有平方和再开方，也就是通俗的欧氏距离。默认是求2范数， keepdim=False。为False时 计算范数，维度会减少1个。1范数是 所有元素的绝对值之后。关于范数的概念可以参考。0范数是 所有元素个数。

这是一种统一的神经网络模型定义和保存方式，上面提到的除了tensorflow之外的其他框架官方应该都对onnx做了支持，而ONNX自己开发了对tensorflow的支持。对于caffe2，pytorch，mxnet，chainer，CNTK等框架则是首先要将模型转为 ONNX 的通用深度学习模型，然后对ONNX模型做解析。然后安装tensorrt python 和 onnxruntime:http

之前介绍kernel prediction net的时候，会为每一个像素生成一个 filter来处理图像， 这样每个像素都有自定义的filter, 但是这个filter只是处理邻域像素，对于距离更远的区域没办法融合进来处理， 除非 filter很大，比如作用于整张图像。non-local概念在图像降噪领域有比较广泛的应用，传统算法有。深度学习模型也可以借鉴类似的概念，引入和设计相关non-loca

本文提出了一种改进的双目立体校正算法，针对传统OpenCV立体校正函数中存在的自动裁切问题进行了系统优化。传统方法在校正过程中会自动裁剪图像边缘区域，以保证校正后图像的矩形一致性，但会导致原始图像的有效信息丢失。本文通过引入基于边界计算的动态视场调整策略，在保证极线对齐约束的前提下，实现了最大化视场保留。算法包含从坐标系变换、旋转矩阵求解到图像重映射的完整数学推导，并详细分析了各步骤的物理量、单位

因此我们需要了解env的特点，甚至做一个任务的时候，我们要自己定义自己的env，状态是什么，动作有哪些，什么情况下有奖励等等。Qtable是离散的，因此每一行的最大值也就是每个状态的最优动作一般是可以确定的。Q-Learning 是一种用于训练 Q 函数的算法，Q 函数是一种动作价值函数，它确定在特定状态并采取特定动作的价值。就是缓冲我们玩的游戏，1.可以重复利用这些经验，避免忘记以前的经验， 2

【代码】强化学习 PPO代码。

特别是 OpenCL 为应用程序提供了对 GPU 的访问，在计算机视觉中，许多算法可以在 GPU 上比在 CPU 上更有效地运行：例如 图像处理、矩阵运算、计算摄影、物体检测等。当选择忽略这些#pragma，或者编译器不支持OpenMP时，程序又可退化为通常的程序（一般为串行），代码仍然可以正常运作，只是不能利用多线程来加速程序执行。程序员通过在源代码中加入专用的#pragma来指明自己的意图，由