super-resolution convolutional resolution real-time
[SOLVED] 终端下screenfetch返回 Resolution: No X Server
"Linux图形界面多数使用的是 X Server, 我们有时需要关闭/重启它. 比如: 安装 NVIDIA 的驱动程序时，就需要先关闭 X server; 希望让系统以 server 方式运行,关闭桌面环境以降低不必要的性能损耗."[1] 检查图形界面 X Server 的状态: systemct ......
Windows使用PyTorch遇到RuntimeError: Unable to find a valid cuDNN algorithm to run convolution的解决方案
Windows使用PyTorch遇到RuntimeError: Unable to find a valid cuDNN algorithm to run convolution的解决方案 PyTorch在Windows上的cuDNN实现有问题才会导致这个错误，解决方法是禁用cuDNN滚回旧实现上 ......
【论文阅读】Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction without Convolutions
来自ICCV2021 论文地址：[2102.12122] Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction without Convolutions (arxiv.org) 代码地址：https://link. ......
论文翻译：2021_Real-Time Denoising and Dereverberation wtih Tiny Recurrent U-Net
论文地址：微型循环U-Net实时降噪和去混响 论文代码： https://github.com/YangangCao/TRUNet https://github.com/amirpashamobinitehrani/tinyrecurrentunet 引用格式：Choi H S, Park S, L ......
3.1 卷积神经网路 (Convolutional Neural Networks, CNN)
# 1. 概念引入: Image Classification 我们做图像分类时,一般分为三步: * 所有图片都先 rescale 成大小一样 * 把每一个类别表示成一个 one-hot vector(dimension 的长度决定模型可以辨识出多少不同种类的东西) * 将图片输入到模型中 😚 > - ⌚首发时间：2023.6.11 > - ⏰最近更新时间：2023.6.11 > - 🙆本文由 **睡晚不猿序程** 原创 > - 🤡作者是蒻蒟本蒟，如果 ......
【论文阅读】CvT：Introducing Convolutions to Vision Transformers
> # 🚩前言 > > - 🐳博客主页：😚[睡晚不猿序程](https://www.cnblogs.com/whp135/)😚 > - ⌚首发时间： > - ⏰最近更新时间： > - 🙆本文由 **睡晚不猿序程** 原创 > - 🤡作者是蒻蒟本蒟，如果文章里有任何错误或者表述不清，请 t ......
sudo: unable to resolve host localhost: Temporary failure in name resolution
Ubuntu环境, 假设这台机器名字叫abc(机器的hostname), 每次执行sudo 就出现这个警告讯息: sudo: unable to resolve host abc虽然sudo 还是可以正常执行, 但是警告讯息每次都出来,而这只是机器在反解上的问题, 所以就直接从/etc/hosts ......
Self-Supervised Hypergraph Convolutional Networks for Session-based Recommendation
[TOC] > [Xia X., Yin H., Yu J., Wang Q., Cui L and Zhang X. Self-supervised hypergraph convolutional networks for session-based recommendation. AAAI, ......
real-time 3D terrain engine using C++ and directX
GAIA引擎是Greg Snook在书籍 Real-Time 3D Terrain Engines Using DirectX 9 中随书附带的一个地形引擎。该书后来又被承天一翻译成了中文版，名叫《实时地形引擎》。 参考：https://blog.csdn.net/hefengscu/article ......
k8s pod之间DNS解析问题:Temporary failure in name resolution
1.ubuntu 系统重启， k8s 网关需要 # 允许所有数据包通过 iptables -P FORWARD ACCEPT 2.查看coredns是否正常 kubectl get po -n kube-system | grep coredns kubectl get service -n kub ......
Real-Time Water Waves With Wave Particles - cem yuksel - 2010
摘要： This dissertation describes the wave particles technique for simulating water surface waves and two way fluid-object interactions for real-time ap ......
Understanding Structural Vulnerability in Graph Convolutional Networks
Chen L., Li J., Peng Q., Liu Y., Zheng Z. and Yang C. Understanding structural vulnerability in graph convolutional networks. IJCAI, 2021. 概 mean 是在 G ......
screenfetch显示Resolution: no X Server
重装了系统，可正常使用。使用screenfetch显示系统信息，但是分辨率一项：。没搜到原因。找来源码https://github.com/KittyKatt/screenFetch 其中一段探测分辨率的函数： 显示该函数并没有探测${distro}="Linux"的一项，所以会保留初设值，并不是机 ......
Personalized Top-N Sequential Recommendation via Convolutional Sequence Embedding
Tang J. and Wang K. Personalized top-n sequential recommendation via convolutional sequence embedding. WSDM, 2018. 概 序列推荐的经典之作, 将卷积用在序列推荐之上. 符号说明 $\ma ......
Graph Convolutional Networks with EigenPooling
Ma Y., Wang S., Aggarwal C. C. and Tang J. Graph convolutional networks with eigenpooling. KDD, 2019. 概 本文提出了一种新的框架, 在前向的过程中, 可以逐步将相似的 nodes 和他们的特征聚合在 ......
Learning A Single Network for Scale-Arbitrary Super-Resolution
Learning A Single Network for Scale-Arbitrary Super-Resolution abstract 现有的single image SR网络是为具有特定整数比例因子（例如，×2/3/4）的图像开发的，无法处理非整数和非对称 SR。 在本文中，作者建议从特定 ......
06 Real-Time Ray-Tracing
1. Tempora 1 SPP 包含如下四条光线。但是一个像素只用1spp会噪声很严重。 因此RTRT的主要目的是降噪，即滤波。 1.1 时间复用Tempora G-Buffer几何缓冲区：记录屏幕空间的信息；在光栅化的时候顺便得到。 Back Projection 首先，拿到当前帧像素的世界坐标 ......
05 Real-Time Physically-Based Materials
1. Microfacet BRDF 1.1 菲涅尔项 菲涅尔项：反射光线强度与入射角的关系。对于绝缘体而言，观察方向越是平行于平面，反射越强，图像越清晰；因为镜面反射可逆，所以反之亦然。对于金属而言，规律相似，但是变化没有绝缘体那么明显。菲涅尔项的值与角度以及两个介质的折射率有关，可以采用简化公式 ......
04 Real-time Global Illumination(GI)
1. Reflective Shadow Map(RSM) 在RTR中，全局光照是想要得到比直接光照多一次bounce的间接光照。一切被直接光照照亮的物体都可以作为one bounce间接光照的光源（indirection light）。所以，全局光照就是direction+indirection。 ......
03 Real-time Environment Mapping
1. Shading from Envionment Lighting -- Split Sum 使用IBL(image based lighting)做光照积分，不考虑visibility。 可以使用蒙特卡洛积分，但是需要做sampling，所以很慢。一般使用sampling的手段尽量避免在RTR ......
02 Real-Time Shadows
1. Shadow Mapping 在shadowmap中，场景被离散化了。在camera中的像素对应的点跟shadow中对应深度可能会有较小偏差，则为阴影。当入射越是平行表面，shadowmap中的像素范围越大，越严重。 为此，设置一个shadowmap深度的冗余的阈值偏置。此外，这个bias可以 ......
阅读文献《DCRNet：Dilated Convolution based CSI Feedback Compression for Massive MIMO Systems》
这篇文章的作者是广州大学的范立生老师和他的学生汤舜璞，于2022年10月发表在 IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY。 文献提出了一种基于**空洞卷积（Dilated Convolution）**的CSI反馈网络，即空洞信道重建网络(Dilated Ch ......
Cluster-GCN An Efficient Algorithm for Training Deep Convolution Networks
Chiang W., Liu X., Si S., Li Y., Bengio S. and Hsieh C. Cluster-GCN: An efficient algorithm for training deep and large graph convolutional networks. ......
Spatiotemporal Remote Sensing Image Fusion Using Multiscale Two-Stream Convolutional Neural Networks
Spatiotemporal Remote Sensing Image Fusion Using Multiscale Two-Stream Convolutional Neural Networks abstract 地表反射率图像的渐变和突变是现有STF方法的主要挑战。(Gradual and ......
Layer-Dependent Importance Sampling for Training Deep and Large Graph Convolutional Networks
Zou D., Hu Z., Wang Y., Jiang S., Sun Y. and Gu Q. Layer-dependent importance sampling for training deep and large graph convolutional networks. NIPS, ......
cpp test for and while loop time cost respectively while std::chrono::high_resolution_clock
#include <chrono> #include <condition_variable> #include <ctime> #include <fstream> #include <future> #include <iomanip> #include <iostream> #include ......
Multi-View Attribute Graph Convolution Networks for Clustering
论文阅读04-Multi-View Attribute Graph Convolution Networks for Clustering：MAGCN 论文信息 论文地址：Multi-View Attribute Graph Convolution Networks for Clustering | ......
FastGCN Fast Learning with Graph Convolutional Networks via Importance Sampling
Chen J., Ma T. and Xiao C. FastGCN: fast learning with graph convolutional networks via importance sampling. ICLR, 2018. 概 一般的 GCN 每层通常需要经过所有的结点的 prop ......