传统的显像模型和设备常常使用了gamma矫正，由于这不是线性的，在进行光照计算时，会出现过曝、混合失真等问题。在Unity的URP中，使用线性模型进行计算。gamma和线性空间是光照中的概念。gamma空间的存在是由于人眼对光明暗变化的感知不是线性的，对亮的区域要更加敏感一点。关于这点，Unity官方手册总结的不错。

1、数据类型在python中的各种数据类型都用Tensor进行概括：对于string类型，pytorch中要计算string类型的数据，需要先将其也转化为可以处理的Tensor类型one-hot 编码[0,1,0,0],[1,0,0,0]…Embeddingword2vec,glovepytorch中的数据类型如下所列：在程序中可以用.type()和isinstance()检验类型注意部署在CPU

windows平台直接用cmake命令的话，由于win是默认使用vs的编译器，不会生成makefile文件，导致无法用make命令生成exe文件。下载mingw，它包含了在linux平台下的一系列工具，包括g++ gcc编译器、make命令等。用cmake生成项目主要用到的工具就是这三个。安装和执行过程1、安装minGW和CMake2、配置minGW和CMake的bin环境变量3、修改minGW

纹理的概念用简单光照明模型生成真实感图象，由于表面过于光滑单薄，反而显得不真实，现实物体表面有各种表面细节，这些细节就是纹理。纹理类型颜色纹理物体表面（平面或曲面）花纹，图案。几何纹理基于物体表面的微观几何形状纹理的定义和映射生成纹理的一般方法，是预先定义纹理模式，然后建立物体表面的点与纹理模式的点之间的对应。当物体表面的可见点确定之后，以纹理模式的对应点参与光照模型进行计算就可...

齐次坐标引入的原因，在高维度可以通过与变换矩阵相乘进行坐标变换，统一坐标变换的形式多点变换，多次变换：三维空间变换，与二维类似也是乘以一个方正。分四个区域。T1进行比例、旋转、堆对称、错切变换。T2进行平移变换、T3进行投影变换、T4进行整体比例变换平移看T2部分。从左到右三个量分别代表x,y,z方向上的平移量。比例对于比例变换，在T1部分进行，对角线上的值代表x，y，z方...

为了使得训练效果更好，需要尽可能多的数据集。如果数据有限，可以用一些方法提高训练效果。采样参数更少的网络；数据增强翻转、裁剪、旋转、随机移动缩放，用GAN来生成新样本。数据增强有作用，但是不宜过多。...

梯度是神经网络里绕不开的一个概念，看到一个视频，解释得很简单明了：一句话：梯度是一个向量，用来指明在函数的某一点，沿着哪个方向函数值上升最快，这个向量的大小指明函数值上升程度（速度）的大小。接下来举例所以本质上，梯度就是一个向量，如果函数是n元函数，这个向量就是由n个元素组成。如果是二元函数，这个向量就是：在（1，1）这一点，沿着方向（3，1）函数值上升速度最快。如图，红色是函数C（x，y）的图像

梯度是神经网络里绕不开的一个概念，看到一个视频，解释得很简单明了：一句话：梯度是一个向量，用来指明在函数的某一点，沿着哪个方向函数值上升最快，这个向量的大小指明函数值上升程度（速度）的大小。接下来举例所以本质上，梯度就是一个向量，如果函数是n元函数，这个向量就是由n个元素组成。如果是二元函数，这个向量就是：在（1，1）这一点，沿着方向（3，1）函数值上升速度最快。如图，红色是函数C（x，y）的图像

CIFAR数据集的导入CIFAR-10数据集有60000张32*32的彩色图片，总共10类，每一类有6000张图片。分为50000张训练集和10000张测试集在torchvision包中可以非常方便地直接导入cifar数据集输入dataroot，是否是训练集，transform等参数。transform参数一般传入transforms.Compose([])进行一些变换这里就可以从网上下载得到CI

什么是generator？有一个从一个简单分布（这种分布的表达式我们可以写出来）这个网络以这个分布中采样得到的向量作为输入，输出另一个复杂的分布。能够做到这种事情的网络就是生成式网络。为什么要是一个“分布”？视频预测：如果不是分布的话，可能在遇到某一情况下时，向左转和右转的情况同时存在资料库中，精灵就会分裂成两个。如果我们在输入中加入一个分布中的采样，他的输出也就是有概率的一个分布。当下最有名的生