C3D源码阅读第25页

Linux Kernel - Debug Guide (Linux内核调试指南 )

linux内核调试指南一些前言作者前言知识从哪里来为什么撰写本文档为什么需要汇编级调试***第一部分：基础知识***总纲：内核世界的陷阱源码阅读的陷阱代码调试的陷阱原理理解的陷阱建立调试环境发行版的选择和安装安装交叉编译工具

swlhmq·2022-12-25 19:54

FLINK源码阅读-FLINK LOCAL 模式启动过程

从StreamExecutionEnvironment跟进去可以看到，实现类里面有个LocalStreamEnvironment,这个就是local模式启动的入口从StreamExecutionEnvironment.execute()进去publicJobExecutionResultexecute()throwsException{returnexecute(DEFAULT_JOB_NAME)

wuxuyang_7788·2022-12-25 07:14

Flink - 源码阅读笔记(主节点JobManager启动分析)

一、JobManager三大核心组件Flink主从架构：主节点：JobManager+从节点：TaskManagerJobManager是Flink集群的主节点，它包含三大重要的组件：1、ResourceManagerFlink的集群资源管理器，只有一个，关于slot的管理和申请等工作，都由他负责2、Dispatcher负责接收用户提交的JobGragh,然后启动一个JobMaster，类似于YA

KRBY·2022-12-25 06:04

【SwinTransformer源码阅读一】build_loader部分代码

最近打算认真看下SwinTransformer算法，这里记录下今天看的build_loader部分的代码，步骤均加了汉语注释，希望可以帮到一些正在学习的朋友。前言build_loader是SwinTransformer代码中main.py的第一句，所以这里主要记录下SwinTransformer加载数据的过程。在swintranformer中，数据预处理部分是在下面的文件夹中build.pytry

qq_29750461·2022-12-24 11:25

【安卓Android】VibratorService分析

本文适合阅读的人群为：3-5年开发经验，有一定系统源码阅读经历的人。安卓开发做久了，经常觉得一切都理所当然。这导致我们遇到问题时，不能很理解本质，所以我们很有必要分析系统的源码。

有头发的琦玉·2022-12-23 15:03

Vision Transformer（2）：T2T ViT源码阅读以及Drop解释

上图是Tokens-to-TokenViT中关于TokentoToken处理模块的结构图，可以看出其过程是将原图像沿着某一维度（横向或者纵向），将这一维度的向量看作Token，以图像尺寸的平方根为新尺寸进行升维，然后在展开成新的Token。上图是T2TViT进行图像分类的过程。一、前导DropPath/Dropout的差异区别：Dropout是随机的点对点路径的关闭，DropPath是随机的点对层

尼卡尼卡尼·2022-12-23 13:11

通用设计模式

学习设计模式好处有以下几点：为开发人员对代码的阅读和编写提供一种指导思想；提高开发人员自身的代码质量，提高对其他框架和库源码阅读的能力；良好的设计能力是一个中高级工程师的必备技能，对开发人员在职场上的晋升有很大帮助

Simple*Lau·2022-12-23 08:08

归因分析笔记6:SHAP包使用及源码阅读

突然发现这篇文章居然被百度文库给盗了,举报侵权还要我自己打印保证函,最逗的是,上传保证函图片还要求开启flash,其心昭然若揭.目录安装使用示例shap.kmeansshap_values()KernelExplainer返回值使用KernelExplainer源码注释Parameters参数summary_plot函数说明核心代码可视化SHAP医学解释相关论文Python包:https://gi

lagoon_lala·2022-12-22 13:44

TeaPearce/Conditional_Diffusion_MNIST 源码阅读

文章目录tqdm超参数预运算nn.Module.register_buffer绘制动画ddpmforwardU-net噪声预测模型信息向量掩码向量conext_mask上采样层的信息融合恢复阶段总结后记tqdmdataset=MNIST("./data",train=True,download=True,transform=tf)dataloader=DataLoader(dataset,batc

Melody2050·2022-12-22 12:28

IOS SDWebImage 2.X源码阅读（四）

前言：IOSSDWebImage2.X源码阅读（一）IOSSDWebImage2.X源码阅读（二）IOSSDWebImage2.X源码阅读（三）IOSSDWebImage2.X源码阅读（四）（6）上一篇讲了下载图片的相关操作

Yuna_·2022-12-22 09:28

IOS SDWebImage 2.X源码阅读（一）

前言：IOSSDWebImage2.X源码阅读（一）IOSSDWebImage2.X源码阅读（二）IOSSDWebImage2.X源码阅读（三）IOSSDWebImage2.X源码阅读（四）（一）、SDWebImage

Yuna_·2022-12-22 09:28

Reactive Spring实战 -- 理解Reactor的设计与实现

本文通过例子展示和源码阅读，分析Reactor中核

·2022-12-20 22:05

行为识别简述

常用方法3.1传统方法3.1.1时空关键点（space-timeinterestpoints）3.1.2密集轨迹（dense-trajectories）3.2基于深度学习的方法3.2.13D卷积网络（C3D

你饿了嘛？？·2022-12-20 15:11

global_planner源码阅读笔记

ROS的navigationstack中nav_core包定义了机器人的全局规划、局部规划和恢复控制三种plugin接口，navigation并给出了相应的plugin。全局路径规划BaseGlobalPlanner的plugin有三种:navfn/NavfnROS，global_planner/GlobalPlanner,carrot_planner/CarrotPlanner.其中常用的为gl

Minphie·2022-12-19 21:25

0x00000006 MMClassification 源码阅读 01 总览

文章目录写在开头的话代码文件组织References:写在开头的话本系列是MMClassification个人源码学习和分析。阅读源码版本以博客公布时的MMClassification最新系列:V0.23.0为准。个人学习目的：a.希望能够更好的使用MMClassification，甚至能够针对源码，修改部分代码实现个人特殊需求。b.借鉴好的编程风格和设计经验在自己的项目中。c.回顾深度学习基础b

0xCCCC·2022-12-19 19:18

0x00000008 目标检测（Object detection with Bounding Box）常用指标AP和mAP及其计算方法源码阅读（pycocotools）

AP指标计算VOC07（11点插值：N-PointInterpolation,N=11）VOC10（全点插值，all-pointinterpolation）：4.COCO中源码目标检测指标计算指标简介源码阅读

0xCCCC·2022-12-19 19:11

OkHttp学习(三) 3.10.0版本源码阅读之线程池

系列文章OkHttp学习(一)OSI七层模型和TCP四层模型OkHttp学习(二)3.10.0版本的简单使用及其流程梳理OkHttp学习(三)3.10.0版本源码阅读之线程池OkHttp学习(四)3.10.0

csdn_Mew·2022-12-19 13:42

【视频算法解析二】I3D

[视频算法解析一]C3D算法[视频算法解析二]I3D算法[视频算法解析三]ECO算法paper原文是“QuoVadis,ActionRecognition?

slamdunkofkd·2022-12-19 08:48

HDL-localization源码阅读

最近在回顾自己的人生（误），至少也是一个阶段性的总结，发现定位这一块虽然也做过一点但是一直没钻得很深。对于低速运动来说，将demo进行魔改后在95%的情况下也够用，另外的额外选择就是加入视觉定位，即每一次建图或者定位都将第一帧的坐标系转移到地图坐标系下，重新做一次视觉slam，用视觉里程计加入robot-pose-ekf里面进行估计。不过，之前的技术方案是针对三维激光雷达做的，在更常见的二维激光定

若愚和小巧·2022-12-19 07:40

caffe源码阅读6-vision_layers.hpp+各cpp

vision_layers.hpp：ConvolutionLayer类，CuDNNConvolutionLayer类；Im2colLayer类；LRNLayer类；PoolingLayer类，CuDNNPoolingLayer类。在这个文件中一共包含了上面的4种层。因为在卷积的时候，caffe为了加速处理，使用了小技巧im2col，所以我们先来看看im2colLayer：1.im2colLayer

thy_2014·2022-12-18 15:14

【机器视觉】Canny边缘检测MATLAB源码阅读

机器视觉第二次作业作业要求阅读edge.m文件，理解canny边缘检测算法中核心步骤的实现过程熟悉matlab的矩阵操作1、canny边缘检测（1）算法步骤将图像与二维高斯函数做卷积以消除噪声；对图像中的每个像素，计算其梯度的幅值和方向；非极大值抑制：根据梯度方向，遍历该像素沿梯度方向的邻接像素，找出幅值最大的像素，作为边缘；滞后阈值化处理：设定高低阈值，对于图像中的每一个像素梯度：大于高阈值的一

逍遥de鱼·2022-12-18 02:01

timm.data.create_transform

timm.data.create_transformcreate_transform1.源码阅读2.源码理解**2.1transforms_imagenet_train**2.1.12.1.22.1.3

alien丿明天·2022-12-17 11:43

timm.data-------tf_processing

timm.data-------tf_processing模块函数理解distorted_bounding_box_crop1.源码阅读2.参数理解_decode_and_random_crop1.源码阅读

alien丿明天·2022-12-17 11:42

细说react源码中的合成事件

温馨提示:下边是对React合成事件的源码阅读，全文有点长，但是！如果你真的想知道这不为人知的背后内幕，那一定要耐心看下去！

·2022-12-16 10:48

Java中常用API总结（1）—— Math类（含底层源码阅读）

Math类一、前言二、概述三、源码阅读四、常见方法及使用1.abs2.ceil3.floor4.round5.max6.min7.pow8.random9.测试使用五、实例应用——水仙花数1.题目2.解答

Alita101_·2022-12-16 06:53

详解视频中动作识别模型与代码实践

实验目标通过本案例的学习：掌握C3D模型训练和模型推理、I3D模型推理的方法；注意事项本案例推荐使用TensorFlow-1.13.1，需使用GPU运行，请查看《ModelArtsJupyterLab硬件规格使用指南

华为云开发者联盟·2022-12-15 15:15

使用Tensorflow进行语音识别代码阅读笔记1

数据集TIMITgithub工程源码阅读首先看一下shell脚本/examples/timit/training/run_ctc.sh使用示例./run_ctc.sh..

yanhe156·2022-12-15 01:25

源码阅读总结

两周的源码阅读活动结束啦，第一次阅读源码，了解了开源项目的结构，也跟同学们学到了阅读源码的一些技巧，虽然只能看懂一些流程上的设计，但是万事开头难，想要对核心逻辑有所突破还需要多练多看，尤其是涉及到多线程锁的部分

vcicii·2022-12-14 16:09

近似最近邻搜索ANN(Approximate Nearest Neighbor)

目录一、随机投影森林-一种近似最近邻方法（ANN）1.随机投影森林介绍2、LSHForest/sklearn二、Kd-Tree的最近邻查找参考阅读：annoy源码阅读(近似最近邻搜索ANN)https:

a flying bird·2022-12-13 16:08

MMCV-Registry类代码详解(1)

功能简介2.初始化函数参数说明：构造函数优先级：2.1self.infer_scope()方法2.2_add_children()方法源码在工程中的路径为mmcv/utils/registry.py，可对照源码阅读本文

L闰土·2022-12-11 15:24

物体检测框架之mmdetection源码阅读（3）

本篇要解决的问题是如何通过configs文件来构建detector的问题，话说上一回讲到了构建detector前要在mmcv中注册模型。那么如何注册模型呢？暂且切回到上篇的代码的前几行frommmcv.cnnimportMODELSasMMCV_MODELSfrommmcv.utilsimportRegistryMODELS=Registry('models',parent=MMCV_MODELS

liqiming100·2022-12-11 11:39

物体检测框架之mmdetection源码阅读（1）

通过readme不难发现单卡训练是以tools/train.py作为程序的入口。首先贴出train.py的源代码。from__future__importdivisionimportargparseimportcopyimportosimportos.pathasospimporttimeimportmmcvimporttorchfrommmcvimportConfigfrommmcv.runne

liqiming100·2022-12-11 11:08

Pytorch TTA(预测增强) 源码阅读

PytorchTTA源码阅读1.ttach/wrappers.pyTTA主要调用的接口继承了pytorch的nn.Moduleimporttorchimporttorch.nnasnn#做类型注解的库#

sansheng0208·2022-12-10 20:11

pytorch版TTA 源码阅读2

TTA源码阅读21.Transforms.py主要是图片增强方法的文件首先要提一下的是，它这里transform的类继承DualTransform，而这个类又是完全继承上一篇解析过的BaseTransform

sansheng0208·2022-12-10 20:11

Gmapping的个人理解

Gmapping第0章源码阅读的一些预准备0.1、算法简介对于建图,SLAM,也称为CML(ConcurrentMappingandLocalization),我们从名字就可以得知,其包含机器人的定位与地图的构建两部分

高颜值的叮当猫·2022-12-10 08:44

MNN源码阅读之模型转换

模型转换每一个开源框架，都有自己的模型格式，MNN中支持，CAFFE，TensorFLow，ONNX等格式的网络结构转换成mnn格式。为了方便大多都会将训练好的网络模型转成ONNX第三方通用的结构，这里主要分析mnn如何将ONNX的结构转换成自己支持的mnn格式。模型转换的流程：CreatedwithRaphaël2.2.0开始读取模型转换成mnn模型mnn模型写入文件结束0.onnx结构在此之前

弹与征鸿·2022-12-10 08:05

WebRTC系列 -- iOS ADM音频数据流处理流程及源码阅读记录

文章目录1.播放数据1.1数据流的中转中心-AudioTransportImpl1.2混音及数据获取2音频录制数据2.1初始化音频帧及设置相关属性2.2混音及重采样2.3处理音视频数据2.4拷贝音频帧及分配到多个发送通道2.6WebRTC实际调用日志IOSADM类图详细文章：WebRTC系列–iOS音频采集1.播放数据1.1数据流的中转中心-AudioTransportImplAudioTrans

简简单单lym·2022-12-10 04:55

WebRTC系列 -- iOS 音频采集

采集数据1.2音频数据处理2.音频数据缓存及处理2.1buffer中的处理2.2AudioTransportImpl中的处理2.3后续处理流程3.编码在文章WebRTC系列–iOSADM音频数据流处理流程及源码阅读记录中总述了音频的采集和播放流程

简简单单lym·2022-12-10 04:55

Transformers 源码阅读之BertTokenizerFast分词模型

数据集准备从bert-base-chinese下载预训练语言模型及其他词表，由于使用的是pytorch，因此下载pytorch_model.bin即可。如果要使用英文模型，就下载能区分大小写的或者是不能区分大小写的，对于uncased，初始化时必须要把lower设为true。特殊符号BERT在执行分词任务时会生成以下几种特殊符号：[CLS]：第一个句子的首位，如果要对整个句子进行分类，通常会取其对

羊城迷鹿·2022-12-10 03:32

怎么看mmdetection版本_mmdetection源码阅读笔记（2）--Loss

之前做完比赛过后计划看看mmdetection的源码写点blog,写了两篇过后忙其他事去了,这里就接着把之前没写完的东西补上。之前写了模型和网络的创建，这里就主要写下训练过程中具体的loss,主要分为以下几部分RPN_lossbbox_lossmask_lossRPN_lossrpn_loss的实现具体定义在mmdet/models/anchor_head/rpn_head.pydefloss(s

景风·2022-12-09 18:07

A-LOAM源码详解（二）：laserOdometry.cpp

笔者在阅读时主要参考了LOAM笔记及A-LOAM源码阅读。废话不多说，直接上代码！

Pony_PH·2022-12-09 09:58

基于pytorch实现的视频分类——C3D模型论文复现

看到了这篇文章及代码论文链接：http://vlg.cs.dartmouth.edu/c3d/c3d_video.pdf代码链接：https://github.com/jfzhang95/pytorch-video-recognition

多吃蔬菜身体好·2022-12-08 21:59

C3D代码总结（Pytorch）

C3D代码总结（Pytorch）github：https://github.com/Niki173/C3D介绍数据介绍文件介绍具体操作流程运行结果介绍：本次C3D模型用的是pytorch框架，我们在UCF101

Niki173·2022-12-08 20:18

【NLP】Transformers 源码阅读和实践

本文主要针对HuggingFace开源的transformers，以BERT为例介绍其源码并进行一些实践。主要以pytorch为例(tf2.0代码风格几乎和pytorch一致)，介绍BERT使用的TransformerEncoder，Pre-trainingTasks和Fine-tuningTasks。最后，针对预训练好的BERT进行简单的实践，例如产出语句embeddings，预测目标词以及进行

风度78·2022-12-08 19:35

IMU_tk阅读

二、源码阅读2.1加速度计的标定2.1.1加速度计的标定原理2.1.2加速度计的标定源码阅读2.2、陀螺仪的标定2.2.1陀螺仪的标定原理2.2.2陀螺仪的标定源码阅读总结前言因为工作需要，有个标定任务

江湖路人·2022-12-07 14:27

R3Live系列学习（二）FAST-LIO源码阅读

在上一篇我们提到，livox雷达给业界内的3D激光领域提供了一大补充，而loam-livox在温柔的使用下表现也还不错，但在比较颠簸激烈的环境下也难以维持高精度，因此lidar与imu的结合使用在近年也日益流行。FAST-LIO基于IEEKF（迭代误差KF）的紧耦合建图方法，鲁棒性较loam-livox提升了一档，在非常极端的运动下也有可能维持住位姿。它的论文是《FAST-LIO:AFast,Ro

若愚和小巧·2022-12-07 14:34

R3Live系列学习（三）R2Live源码阅读（1）

上一篇FAST-LIO的文章写的不是很好，我经过几个月的反思和学习，现在厚着脸皮继续写，我会进一步分析ESKF的行为，弥补上一篇的一些问题。这次阅读的源码是R2Live，论文为《R2LIVE:ARobust,Real-time,LiDAR-Inertial-Visualtightly-coupledstateEstimatorandmapping》。它的工程看起来像是FAST-LIO与Vins-F