播、索引、切片、内存节省和转换其他Python对象。 练习 1. 运行本节中的代码。将本节中的条件语句X == Y更改为X < Y或X > Y，然后看看你可以得到什么样的 张量。 2. 用其他形状（例如三维张量）替换广播机制中按元素操作的两个张量。结果是否与预期相同？ Discussions36 2.2 数据预处理 为了能用深度学习来解决现实世界的问题，我们经常从预处理原始数据开始，而不是从那些准备好的张量格 种表示分类 数据的简单方法：独热编码（one‐hot encoding）。独热编码是一个向量，它的分量和类别一样多。类别对 应的分量设置为1，其他所有分量设置为0。在我们的例子中，标签y将是一个三维向量，其中(1, 0, 0)对应于 “猫”、(0, 1, 0)对应于“鸡”、(0, 0, 1)对应于“狗”： y ∈ {(1, 0, 0), (0, 1, 0), (0, 0, 1)}. (3.4 图 像不是二维张量，而是一个由高度、宽度和颜色组成的三维张量，比如包含1024 × 1024 × 3个像素。前两个 轴与像素的空间位置有关，而第三个轴可以看作每个像素的多维表示。因此，我们将X索引为[X]i,j,k。由此卷 积相应地调整为[V]a,b,c，而不是[V]a,b。 此外，由于输入图像是三维的，我们的隐藏表示H也最好采用三维张量。换句话说，对于每一个空间位置，我 们想要采用一组

复杂环境下的视觉同时定位与地图构建 章国锋 浙江大学CAD&CG国家重点实验室 SLAM: 同时定位与地图构建 • 机器人和计算机视觉领域的基本问题 • 在未知环境中定位自身方位并同时构建环境三维地图 • 广泛的应用 • 增强现实、虚拟现实 • 机器人、无人驾驶 SLAM常用的传感器 • 红外传感器：较近距离感应，常用于扫地机器人。 • 激光雷达：单线、多线等。 • 摄像头：单目、双目、多目等。 计算自身位置（在空间中的位置和朝向） • 构建环境地图（稀疏或者稠密的三维点云） 稀疏SLAM 稠密SLAM SLAM系统常用的框架 输入 • 传感器数据 前台线程 • 根据传感器数据进行跟踪求解， 实时恢复每个时刻的位姿 后台线程 • 进行局部或全局优化，减少误差累积 • 场景回路检测 输出 • 设备实时位姿 • 三维点云 RGB图 深度图 IMU测量值 优化以减少误差累积 回路检测 硬件成本低廉 • 小范围内定位精度较高 • 无需预先布置场景 基本原理：多视图几何 投影函数 主要模块 • 特征跟踪 • 获得一堆特征点轨迹 • 相机姿态恢复与场景三维结构恢复 • 求解相机参数和三维点云 • 如何处理循环回路序列和多视频序列？ • 如何高效高精度地处理大尺度场景？ • 如何处理动态场景？ • 如何处理快速运动和强旋转？ 复杂环境下的主要挑战 我们课题组的工作

本书基于清华大学出版社出版的《TensorFlow 深度学习—深入理解人工智能算法》一书 进行二次撰写，代码部分完全基于 PyTorch 进行实现。考虑到本人能力有限、行文仓促，可 以预见地，本书会存在部分语句表达不准确、部分素材尚未创作完成、部分参考引用未能及 时补充、甚至一些错误出现，因此本书以开源、免费地方式发布，希望一方面能够帮助初学 者快速上手深度学习算法，另一方面也能汇聚众多行业专家们的力量，修正测试版中的谬误 之处，让本书变得更为完善。 Out[6]: (tensor([[1, 2], [3, 4]]), torch.Size([2, 2])) 预览版202112 4.2 数值精度 3 三维张量可以定义为： In [7]: a = torch.tensor([[[1,2],[3,4]],[[5,6],[7,8]]]) # 创建 3 维张量 Out[7]: tensor([[[1 requires_grad=True) 同理，权值矩阵?也是待优化张量，requires_grad 属性为 True。上述 nn.Linear 类实现的功 能其实和 x@w+b 等价，使用更方便。 4.5.4 三维张量 三维的张量一个典型应用是表示序列信号，它的格式是 ? = [?seq,?, ?feat] 预览版202112 第 4 章 PyTorch 基础 14 其中?表示序列信号的数量，

和?来确定内容代价和风格代价 27 2.神经风格迁移 风格代价函数（Style cost function） 28 2.神经风格迁移 29 一维到三维推广 30 一维到三维推广 31 一维到三维推广 32 一维到三维推广 33 参考文献 1. IAN GOODFELLOW等，《深度学习》，人民邮电出版社，2017 2. Andrew Ng，http://www.deeplearning

本章目录 3 01 计算机视觉概述 02 卷积神经网络概述 03 卷积神经网络计算 04 卷积神经网络案例 本章目录 4 计算机视觉 图像获取 提取二维图像 、三维图组、 图像序列或相 关的物理数据 ，如声波、电 磁波或核磁 共振的深度、 吸收度或反射 度 预处理 对图像做一 种或一些预 处理，使图 像满足后继 处理的要 求 ，如：二次 取样保证图 高级处理 验证得到的 数据是否匹 配前提要求 ，估测特定 系数，对 目 标进行分类 •图像分类 •目标检测 •图像分割 •目标跟踪 •OCR文字识别 •图像滤波与降噪 •图像增强 •风格迁移 •三维重建 •图像检索 •GAN 5 图像分类 6 目标检测 目标检测结合了目标分类和定位两个任务。 one-stage(YOLO,YOLO9000,YOLOV3,YOLOV4, YOLOV5,SSD等) 7+0−3 2 + 1 = 3 图像尺寸 ? Other same卷积 Valid卷积 0 卷积计算 21 8=0+4+3+1 * * * =0 =4 =3 =1 =8 三维卷积计算 22 平均池化不常用 最大池化的输入就是?? × ?? × ??，假设没有padding，则输出⌊??−? ? + 1⌋ × ⌊??−? ? + 1⌋ × ?? 池化 23

Tensor张量乘法 2. 三维带batch的矩阵乘法 torch.bmm() 由于神经网络训练一般采用mini-batch，经常输入的时 三维带batch的矩阵，所以提供torch.bmm(bmat1, bmat2, out=None) 其中 ????1 ∈ ℝ?×?×? ,????2 ∈ ℝ?×?×?, 输入出的 ??? ∈ ℝ?×?×? 该函数的两个输入必须是三维矩阵并且第一维相同（表 示Batch维度），

在我们的例子 中，行列式的值是 （可以使用本节后面显示的公式计算），因此平行四边形的面积为7。（请 自己验证！） 在三维中，集合 对应于一个称为平行六面体的对象（一个有倾斜边的三维框，这样每个面都有一个平 行四边形）。行定义 的 矩阵S的行列式的绝对值给出了平行六面体的三维体积。在更高的维度 中，集合 是一个称为 维平行切的对象。 图1：（4）中给出的 矩阵 的行列式的图示。 这里， 和

。于是诞生了机器学习 界的名言： 成功的机器学习应 用不是拥有最好的 算法，而是拥有最 多的数据！ 数据决定一切 数据大小 准 确 率 11 深度学习-CV（计算机视觉方向） 图像获取 提取二维图像 、三维图组、 图像序列或相 关的物理数据 ，如声波、电 磁波或核磁 共振的深度、 吸收度或反射 度 预处理 对图像做一 种或一些预 处理，使图 像满足后继 处理的要 求 ，如：二次 取样保证图 高级处理 验证得到的 数据是否匹 配前提要求 ，估测特定 系数，对 目 标进行分类 •图像分类 •目标检测 •图像分割 •目标跟踪 •OCR文字识别 •图像滤波与降噪 •图像增强 •风格迁移 •三维重建 •图像检索 •GAN 12 深度学习-CV典型应用案例 翻译 传统翻译采用人工查词的方式，不但耗时长 ，而且错误率高。图像识别技术(OCR)的出 现大大提升了翻译的效率和准确度，用户通

2 欧几里得度量（Euclidean Metric）（也称 欧氏距离）是一个通常采用的距离定义，指 在?维空间中两个点之间的真实距离，或者 向量的自然长度（即该点到原点的距离）。 在二维和三维空间中的欧氏距离就是两点之 间的实际距离。 电影分类 5 距离度量 曼哈顿距离(Manhattan distance) ?(?, ?) = ෍ ? | ?? − ??| 想象你在城市道路里，要从一个十字路口开车

表示导出的数据应该怎么转换，我们还可以使用参数 target_transf orm 表 示导出的数据标签应该怎么转换。 注意显示时我们调用了 squeeze() 函数，这是因为原来的数据维度是 (1,28,28) 的三维数据， 使用.squeeze() 函数可以把为 1 的维度去掉，即 shape 变为 (28,28)。程序得到显示结果： 随后我们再把数据导入到 DataLoader 里面： # batch_size