材质 深度threejs
UE4材质入门
前言：在学习的过程中笔记是不可缺少的，匆匆看过一遍不记笔记和实操的话总会忘掉一些知识点或者是记的不牢固，所以我写了本系列文章，一方面是强迫自己认认真真的看完一章课程，另一方面记笔记加深一下自己的记忆以及思考。所以本系列文章是我学习过程中的笔记，思考，实操以及作业然后分享给大家，欢迎大佬们指正。 纹理 ......
深度学习算法预测（LSTM）
深度学习算法预测（LSTM） LSTM在时间序列预测领域有着不错的表现，在进行时间序列预测时，既可以对单变量序列进行预测，也可以对多变量序列进行有效地输出。 LSTM搭建将使用tensorflow的keras模块搭建，已高度封装，可直接取用。 共封装了3个主要的函数： fit用于模型训练； eval ......
代码随想录算法训练营第16天 | ● 104.二叉树的最大深度 559.n叉树的最大深度 ● 111.二叉树的最小深度 ● 222.完全二叉树的节点个数 - 第6章 二叉树 part03
第六章 二叉树part03 今日内容： ● 104.二叉树的最大深度 559.n叉树的最大深度 ● 111.二叉树的最小深度 ● 222.完全二叉树的节点个数 迭代法，大家可以直接过，二刷有精力的时候 再去掌握迭代法。 详细布置 104.二叉树的最大深度 （优先掌握递归） 什么是深度，什么是高度，如 ......
小灰灰深度学习day4——数据操作之张量(torch)
震惊了！！！在python中， y = x + y;与 y += x;竟然有区别，且看如下代码: import torch ''' x = torch.arange(12) print(x) #reshape可以改变张量的形状而不改变元素的数量和元素值 X = x.reshape(-1,3) pri ......
《深度剖析CPython解释器》29. 源码解密 map、filter、zip 底层实现，对比列表解析式
楔子 Python 现在如此流行，拥有众多开源、高质量的第三方库是一个重要原因，不过 Python 的简单、灵巧、容易上手也是功不可没的，而其背后的内置函数（类）则起到了很大的作用。举个栗子： numbers = [1, 2, 3, 4, 5] # 将里面每一个元素都加1 print(list(ma ......
树的最大深度-java实现
使用递归的方法最为简洁、高效；通过主次遍历，主要不为空，书的深度就加一，同时比较右侧树的深度，每次返回最大值； 1 public int maxDepth(TreeNode root) { 2 return root==null?0:Math.max(maxDepth(root.left)+1,ma ......
threejs创建圆柱体
threejs创建圆柱体 创建一个几何体（geometry）：使用Three.js的几何体类创建一个几何体，该类将定义您的几何体的形状和大小。例如，您可以使用以下代码创建一个圆柱体： var geometry = new THREE.CylinderGeometry(5, 32, 32); 这将创建 ......
基于GoogleNet深度学习网络的人员身份识别系统Matlab仿真
1.算法仿真效果 matlab2022a仿真结果如下： 2.算法涉及理论知识概要 深度学习（DL，Deep Learning）是机器学习（ML，Machine Learning）领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能（AI，Artificial Intellige ......
代码随想录算法训练营第十六天|104. 二叉树的最大深度、559. N 叉树的最大深度、111. 二叉树的最小深度、222. 完全二叉树的节点个数
【参考链接】 104. 二叉树的最大深度 【注意】 1. 二叉树节点的深度：指从根节点到该节点的最长简单路径边的条数或者节点数（取决于深度从0开始还是从1开始）。 二叉树节点的高度：指从该节点到叶子节点的最长简单路径边的条数或者节点数（取决于高度从0开始还是从1开始）。 2.根节点的高度就是二叉树的 ......
深度解析线程的正确停止方法
# 深度解析线程的正确停止方法  ## 一、解惑 ### 1. 什么情况下，线程需要被停止？ 线程和任务被创建和启动 ......
深度解析 slab 内存池回收内存以及销毁全流程
在上篇文章 [《深入理解 slab cache 内存分配全链路实现》](https://mp.weixin.qq.com/s?__biz=Mzg2MzU3Mjc3Ng==&mid=2247488152&idx=1&sn=7c65f8ee28e9cc14a86e9df92b6d2b93&chksm=c ......
深度学习分类网络---ResNet
### 一、为什么引入ResNet 通过上一篇分类网络的介绍，我们知道网络的宽度和深度可以很好的提高网络的性能，深的网络一般都比浅的的网络效果好，但训练一个很深的网络是非常困难的，一方面是网络越深越容易出现**梯度消失和梯度爆炸**问题， 然而这个问题通过BN层和ReLU激活函数等方法在很大程度上已 ......
深度学习
## 第一部分 基础知识（T=3W） #### 1.1 数学（T=1W） - 高数：导数、微分、积分、梯度、泰勒展开式 - 线性代数：向量、矩阵、运算、范数、特征向量和特征值 - 概率论：条件概率、期望等 #### 1.2 Python（T=1W） - [廖雪峰免费教程](https://www.l ......
深度学习模型对图像进行特征提取
深度学习模型可以自动从图像中学习到特征，这些特征可以用于图像分类、目标检测和图像生成等任务。目前，深度学习模型在图像识别方面取得了非常出色的成果。 深度学习模型通常使用卷积神经网络（CNN）进行特征提取。CNN中的卷积层、池化层和全连接层可以自动学习到图像中的各种特征，例如边缘、纹理、角点和物体形状 ......
基于深度学习的图像识别技术研究
深度学习是一种机器学习技术，它模拟人类大脑的神经网络，通过多层神经网络对输入数据进行处理和学习，从而实现对复杂数据的高效识别和分类。基于深度学习的图像识别技术已经在各个领域得到广泛应用，包括人脸识别、自动驾驶、医学图像分析等。 在图像识别领域，深度学习技术主要应用于图像分类、目标检测、图像分割等任务 ......
solidworks修改零件材质
在solidworks没有打开任何文件的情况下，运行此宏。 此宏会打开指定的文件，修改其材质，保存并关闭文件。 ```vb Option Explicit Sub main() Dim filename As String filename = "e0501-P0504" Dim matname A ......
深度解析多线程的创建方式和正确启动多线程
## 一、创建多线程  ### 1. 实现多线程 java 实现多线程的方式准确来说有两种（[oracle官方文档说 ......
macbook苹果m1芯片训练机器学习、深度学习模型,resnet101在mnist手写数字识别上做加速，torch.device("mps")
apple的m1芯片比以往cpu芯片在机器学习加速上听说有15倍的提升，也就是可以使用apple mac训练深度学习pytorch模型！！！惊呆了 安装apple m1芯片版本的pytorch 然后使用chatGPT生成一个resnet101的训练代码，这里注意，如果网络特别轻的话是没有加速效果的， ......
< Python全景系列-6 > 掌握Python面向对象编程的关键：深度探索类与对象
Python全景系列的第六篇，本文将深入探讨Python语言中的核心概念：类（Class）和对象（Object）。我们将介绍这些基本概念，然后通过示例代码详细展示Python中的类和对象如何工作，包括定义、实例化和修改等操作。本文将帮助您更深入地理解Python中的面向对象编程（OOP），并从中提出... ......
UE5 材质 Water Shader
# 目标 - 水有许多特性，本篇将着重实现如下特性 - 表面涟漪 - 水深效果 - 水的反射和折射 - 海浪 - 波光的焦散 # 表面涟漪 ### 初步实现 ](https://www.cnblogs.com/chenglixue/p/17409929.html)，这里不再介绍 - UE5 的nois ......
跟姥爷深度学习6 卷积网络的数学计算
一、前言 前面简单用TensorFlow的全连接网络做了气温预测然后深入了解了一下全连接网络的数学计算，接着用CNN（卷积）网络做了手写数字识别，本篇就接着这个节奏来看卷积网络的数学计算。 二、卷积网络回顾 前面我们使用卷积网络时并没有说太明白，特别是一些参数的含义，这里先补一下功课。 从上面的图看 ......
深度学习--调用chatgot接口实现
首先，对于段落文字进行提取主要信息，第一反应要是电脑像人脑就行了，就想到chatgpt进行识别，以下为我识别的文字进行gpt转换。 实验结果成立，现在只需要将接口调用，将识别文字传入后，进行字符串拼接，加上：“提取支付时间，消费类型，消费内容”，传入gpt后，将结果返回，输入到程序上，进行识别即可。 ......
现代计算机图形学——P6. Rasterization 2（Antialiasing and Z-Buffering）（光栅化（反走样和深度缓冲（Z缓冲）））
—————————————————————————————————————————————————————————— —————————————————————————————————————————————————————————— ———————————————————————————————— ......