marsggbo

LV2
  • 云+社区翻译社勋章

发表了文章

AutoML综述更新 【AutoML:Survey of the State-of-the-Art】

下面是整个AutoML的pipeline,全文也是围绕这个pipeline对AutoML技术做了回顾和总结。

marsggbo
发表了文章

Gumbel softmax在可微NAS的作用是什么?

可微NAS(Differentiable Neural Architecture Search, DNAS)是指以可微的方式搜索网络结构,比较经典的算法是DAR...

marsggbo
发表了文章

【论文笔记系列】- Understanding and Simplifying One-Shot Architecture Search

由上图我们可以看到(以最左图为例),one-shot模型的准确率从0.1~0.8, 而stand-alone(即retrain之后的子模型)的准确率范围却只是0...

marsggbo
发表了文章

【GAMES101-现代计算机图形学课程笔记】Lecture 10 Geometry 1 (介绍)

如下图示,通常一个光滑的表面(比如水晶球)会反射环境光,因此我们可以看到球面上会被映射出其他物体。那么计算机中如何表示这个呢?

marsggbo
发表了文章

GAMES201:高级物理引擎实战指南-Lecture 1 Taichi编程语言介绍

Taichi是基于python开发的高性能图形编程语言,为了解决python速度较慢的问题,特别设计了编译器,进一步提高了图形编程应用的生产力和可移植性。按Bo...

marsggbo
发表了文章

【GAMES101-现代计算机图形学课程笔记】Lecture 09 Shading 3 (纹理映射)

这里补充一下上一节遗漏的一丢丢知识点,见下图。左边是渲染后的平面图,右边是对应的纹理。另外无论纹理平面原始有多大,最后都会被映射在

marsggbo
发表了文章

【GAMES101-现代计算机图形学课程笔记】Lecture 08 Shading 2 (着色管线)

上一节主要介绍了漫反射,由下图我们知道着色点(shading point)的明暗程度与相机(观测)角度无关。具体的光线强度计算公式:

marsggbo
发表了文章

【GAMES101-现代计算机图形学课程笔记】Lecture 07 Shading 1 (Illumination, Shading and Graphics Pipeline)

真实世界中的物体之间相对于相机是有远近关系的,那么在2D平面上如何反应物体的先后关系呢?一个常用的方法是Painter's Algorithm (画家算法),即...

marsggbo
发表了文章

【GAMES101-现代计算机图形学课程笔记】Lecture 05 Rasterization 2 (Antialiasing and Z-Buffering)

下图给出了Alias(图像失真)的例子。最左边是计算出的在三角形内的像素中心点,中间是我们想要得到的效果,右边是实际效果。买家秀和卖家秀。。。这个现象的学名就叫...

marsggbo
发表了文章

【GAMES101-现代计算机图形学课程笔记】Lecture 05 Rasterization 1 (Triangles)

的立方体内,那么下一步所要做的事情(把立方体画在屏幕上,即光栅化)就是这一节所要介绍的。

marsggbo
发表了文章

【GAMES101-现代计算机图形学课程笔记】Lecture 04 Transformation Cont.

Euler angles常用在飞机的旋转,即旋转划分成roll,pitch,yaw三个操作。

marsggbo
发表了文章

【GAMES101-现代计算机图形学课程笔记】Lecture 03 Transformation

,而在数学上如果一个矩阵的逆等于它的转置,那么就称这个矩阵为正交矩阵(Orthogonal Matrix),即旋转矩阵是正交矩阵。

marsggbo
发表了文章

【GAMES101-现代计算机图形学课程笔记】Lecture 02 Review of Linear Algebra

矩阵在图形学里常用于表示变换(Transformations),比如 translation,rotation,shear,scale等。

marsggbo
发表了文章

Windows下 git bash无法使用conda解决办法

marsggbo
发表了文章

【论文笔记系列】AutoML:A Survey of State-of-the-art (下)

上一篇文章介绍了Data preparation,Feature Engineering,Model Selection,这篇文章会继续介绍后面的内容。

marsggbo
发表了文章

论文笔记系列--Progressive Differentiable Architecture Search:Bridging the Depth Gap between Search and Eva

进来有很多种NAS技术相继提出,主要有基于强化学习的,基于进化算法的,还有基于梯度下降的,不同算法有不同优缺点。本文的PDARTS就是基于梯度下降的,其实看名字...

marsggbo
发表了文章

论文笔记系列--MnasNet:Platform-Aware Neural Architecture Search for Mobile

MnasNet的目的很简单就是设计出表现又好,效率又高的网络。在介绍之前简单回顾一下现有的一些提高网络效率的方法:

marsggbo
发表了文章

VIM的列编辑操作

1.光标定位到要操作的地方。 2.CTRL+v 进入“可视 块”模式,选取这一列操作多少行。 3.d 删除。

marsggbo
发表了文章

理解Pytorch中LSTM的输入输出参数含义

在介绍LSTM各种参数含义之前我们还是需要先用一个例子(参考LSTM神经网络输入输出究竟是怎样的?Scofield的回答)来理解LSTM。

marsggbo
发表了文章

概率密度估计介绍

概率密度的总体形状被称为概率分布 (probability distribution),常见的概率分布有均匀分布、正态分布、指数分布等名称。对随机变量特定结果的...

marsggbo

个人简介

个人成就

扫码关注云+社区

领取腾讯云代金券