感谢商汤学术 2022/06/22 带来的基于BEV环视感知直播课程，借助这次机会，总结了我前段时间的工作

RADIANT

内网穿透

我的电脑环境项目名称版本cuda版本11.1pytorch版本1.8.1ubuntu版本18.04在安装centerFusion（centerNet的多模态融合版本）时，遇到DCNv2不支持新版pytorch的问题，通过寻找其他博客，发现他们只找到了pytorch1.7的新版本，我测试适用于1.7的，也报了各种错，直到我找到了DCNv2某位大佬写的最新版，但是在安装的过程中，出现了很多问题，最后经

 每一种算法都带有一种归纳偏好，归纳偏好，可以理解为算法对于某种假设的偏好，这种偏好可以体现为线性回归模型对于模型线性的假设偏好等。奥卡姆剃刀原理关于归纳偏好，对于一个数据，模型有许多的归纳偏好，也就是有许多的假设，那么如何进行归纳假设的选择呢，一般性的原则就是：最简单原则-奥卡姆剃刀原理，也就是使模型的结构尽量简单，这也是《统计学习》中提到的结构风险最小化。简单有什么好处呢，其中之一就

综述

模态定位为某种类型的信息，如声音、图像、文字等。人们生活在一个多模态相互交融的环境中，生活中的各项决策都考虑了至少两种方面的信息。对单模态信息的学习上，每种模态的异构性决定了其存在不同的学习模型。虽然单模态学习在如今已经取得了显著的进步，在图像单模态的目标检测，文字识别领域等实现了较高的准确率，但是在一些其他领域：例如视频检索、图像语义理解等方面，单模态难以进行处理。

综述

在炼丹日常，很多模型为了保持tensor的计算便利和维度统一（例如resnet）会涉及到很多的维度转换，这时候很容易就绕晕，在参加飞浆的transformer课程中，学习了很多灵活变化维度的方法，这些方法能够让我们减少相当一部分的维度转换的复杂度。下面逐个介绍常用的维度转换方法：reshape方法：维度重整简单的reshape方法我们就不进行介绍，主要介绍reshape中-1的灵活运用，我们可以轻

综述