摘要: 查找文件位置 find / -name "autodl_config.sh" 2>/dev/null 解压zip文件 unzip pottery_colmap_single.zip 复制 cp -r 复制文件 目标路径 压缩 zip -r 202615_13.zip 202615_13/* 阅读全文
posted @ 2026-07-16 14:34 jsqup 阅读(3) 评论(0) 推荐(0)
摘要: 结构 编码器:下采样路径(逐步缩小特征图,分辨率降低,通道数增加) 解码器:上采样路径(逐步恢复分辨率,分辨率提高,通道数降低) 跳跃连接:编码器某层直接接到解码器对应层 编码器(下采样路径):从 细节 到 语义 浅层对应高分辨率,深层对应低分辨率 因为下采样在逐层缩小特征图尺寸 浅层:刚进入网络, 阅读全文
posted @ 2026-07-09 22:09 jsqup 阅读(6) 评论(0) 推荐(0)
摘要: 上采样(通道数增加,空间尺寸减少) 1.定义 上采样用于将低分辨率的特征图恢复到更高的分辨率,目的是恢复细节信息或匹配目标尺寸(通过算法生成新数据,细节是脑补出来的) 2.举例 假设一张模糊的小图(如10×10像素),上采样可以把它放大到清晰的大图(如20×20像素) 3.原因 1.恢复细节:神经网 阅读全文
posted @ 2026-07-06 17:00 jsqup 阅读(8) 评论(0) 推荐(0)
摘要: 环境配置1 问题:生成真正的PBR材质失败 原因:论文原始代码中用于最终渲染的核心库 nvdiffrast,与你的 Windows 本地环境(Visual Studio 版本 + CUDA 版本组合)存在无法调和的兼容性问题。 解决方案:将环境配置设置成作者要求的 环境: 1. pytorch 2. 阅读全文
posted @ 2026-07-01 15:15 jsqup 阅读(13) 评论(0) 推荐(0)
摘要: 一、代码调整:调整损失函数的计算公式,增加感知损失perceptual_loss 1. 新建models/perceptual_loss.py import torch import torch.nn as nn import torchvision.models as models class P 阅读全文
posted @ 2026-06-21 11:55 jsqup 阅读(2) 评论(0) 推荐(0)
摘要: 构建陶瓷数据 截取176对数据,正面图 + 纹样展开图,构建pix2pix所需要的数据集 合并 正面图 纹样图 理论支撑 论文:Image-to-Image Translation with Conditional Adversarial Networks github地址:https://gith 阅读全文
posted @ 2026-06-19 17:23 jsqup 阅读(8) 评论(0) 推荐(0)
摘要: 2026.3.5 题目描述 给定一个二叉树的根节点 root ,返回 它的 中序 遍历 。 代码 递归方案 遍历方案 阅读全文
posted @ 2026-03-05 18:41 jsqup 阅读(10) 评论(0) 推荐(0)
摘要: 结构体数组 #include<stdio.h> // 定义:① struct student1 { char name[20]; // 姓名 int age; // 年龄 float score; // 分数 char addr[30]; // 地址 }; // 定义:② struct studen 阅读全文
posted @ 2024-05-27 19:03 jsqup 阅读(5) 评论(0) 推荐(0)
摘要: 拉链表 介绍:记录历史。记录一个事务从开始,一直到当前状态的所有变化的信息。 使用场景 表中的数据量很大。(每天都存储会占用很多空间) 表中的部分字段会被更新。 需要查看某一个时间点或者时间段的历史快照信息。 表中的记录变化的比例和频率不是很大。 拉链表优势 优势:既能获取最新的数据,也能添加筛选条 阅读全文
posted @ 2023-11-28 18:47 jsqup 阅读(59) 评论(0) 推荐(0)
摘要: 事务事实表 介绍 任何类型的时间都可以理解成一种事务,如交易过程中的创建订单、买家付款,物流过程中的揽货、发货、签收等。 事务事实表,即针对这些过程构建的一类事实表,用来跟踪定义业务过程的个体行为,提供丰富的分析能力,作为数据仓库原子的明细数据。 设计过程 1. 选择业务过程 如:淘宝交易订单的流转 阅读全文
posted @ 2023-11-20 17:28 jsqup 阅读(98) 评论(0) 推荐(0)