二阶张量及其若干基本运算法则.ppt

YoloV5_JDE_TensorRT_for_Track ##Introduction A multi object detect and track Library Based on tensorrt 一个基于TensorRT的多目标检测和跟踪融合算法库，可以同时支持行人的多目标检测和跟踪，当然也可以仅仅当检测库使用。 Video Demo

代码中提供了文档； 运行matlab命令： 文档 CoSkewness 张量和矩阵形式扩展了 Matlab 函数 skewness(x) 的单变量计算。

深度学习技术（tensorflow框架，张量与变量）【beta版】，以后会逐渐完善，这一份是老师的笔记 第2章 TensorFlow框架介绍 2 2.1. TF数据流图 2 2.1.1. 案例：TensorFlow实现一个加法运算 2 2.1.2. 数据流图介绍 3 2.2. 图与TensorBoard 5 2.2.1. 什么是图结构 5 2.2.2. 图相关操作 5 2.2.3. TensorBoard：可视化学习 7 2.2.4. OP 9 2.3. 会话 11 2.3.1. 会话 11 2.4. 张量 14 2.4.1. 张量(Tensor) 14 2.4.2. 创建张量的指令 16 2.4.3. 张量的变换 17 2.4.4. 张量的数学运算 19 2.5. 变量OP 19 2.5.1. 创建变量 19 2.5.2. 使用tf.variable_scope()修改变量的命名空间 20 2.6. 高级API 20 2.6.1. 其他基础API 21 2.6.2. 高级API 21 2.7. 案例：实现线性回归 22 2.7.1. 线性回归原理复习 23 2.7.2. 案例：实现线

tensorlow2.0张量学习

matlab张量积代码适用于Matlab的LR B样条 介绍 LR B样条曲线是一项技术，使用户可以在B样条曲线的表面或体积上进行局部细化，而传统上仅限于张量积。 它在计算机辅助设计（CAD）和计算机辅助工程（CAE）中具有广泛的应用程序。 尽管编写该库时要牢记后者，但也可以在设计环境中使用它。 关于代码 这是核心c ++库的matlab包装器。 您将必须首先编译c ++库，然后将此处提供的.mex文件链接到该库。 反过来，这将为您提供快速c ++库的全部功能，并在顶部提供方便的matlab语法。 在Ubuntu上编译 假设您已经安装并安装了一个版本，则只需键入以下内容即可编译并链接该库 cmake . make 在根文件夹中。

功能otr = 变换（itr，tmx） 参数otr = 输出张量，转换后； 具有与输入张量相同的维度itr = 输入张量，转换前； 应该是一个三元素向量、一个 3x3 矩阵或一个 3x3x3x... 多维数组，每个维度包含 3 个元素tmx = 变换矩阵，3x3 矩阵，包含新旧坐标系之间的方向余弦 描述张量在物理和工程的多个领域中发挥着重要作用。 也许最重要的例子是应力张量和应变张量，它们都是二阶张量。 两个张量都与第四级弹性（顺应性或刚度）张量相关，这是一种材料属性。 计算晶体材料沿某个方向的应力或应变，由一个或多个不同取向的微晶组成，通常需要多次坐标变换，此功能可能有用。 它在两个坐标系之间转换任意阶数的 3D 张量（欧几里得张量或笛卡尔张量）。 包括一个 m 文件、一个 c 文件和一个 PC mex 文件。 m 文件适用于数字和符号数据，mex 文件仅适用于数字数据。 当然，me

支持张量机 尝试实现算法“支持张量机”

Matlab集成的c代码tensor_decoding_spectral_SCI_cameras 我们应用张量解码方案对SCI摄像机进行解码。 该存储库包含论文“利用低秩张量和非局部相似性解码高光谱SCI摄像机”的代码 快照压缩成像（SCI）相机将多个光谱帧压缩为单个测量帧。 对于SCI摄像机而言，准确而高效的解码方法非常重要。 然而，诸如GAP-TV和DeSCI之类的现有算法分别由于精度低和执行时间长而不能令人满意。 在本文中，我们提出了一种解决这两个问题的新算法低秩张量和非局部相似度（LTNS）。 我们提出的LTNS算法比DeSCI的平均PSNR提高了3.98dB，比GAP-TV平均提高了5.63dB。 此外，与DeSCI的8小时运行时间相比，我们的算法（LTNS）将运行时间减少到不到一分钟。 我们还将算法与GMM-TP和MMLE-GMM进行了比较。 此代码使用鸟类数据集和玩具数据集，它们是编码的Kong径快照光谱成像（CASSI）数据集。 我们在代码中进行比较的方法是经过多次迭代的LTNS和GAP-TV。 用法 要求是带有并行计算工具箱的MATLAB（R）（用于多CPU加速的pa

冲浪算法matlab代码冲浪 提升稀疏和低秩张量回归 arXiv 下载： 我们已经包含了代码的详细注释。 您可以先通过代码生成模拟数据，然后运行我们的 SURF 算法进行训练和测试。 该代码是使用 Tensorlab 工具箱为 MATLAB 编写的。 我们将很快发布一个 Python 实现。