- 综合排序
- 最热优先
- 最新优先
- 来自专栏BETTER
vscode：shortcut: fold unfold
Ctrl+K Ctrl+L：折り畳み／展開toggle （ 作用范围：选中的阶层以下）
34500编辑于 2022-08-20 - 来自专栏GiantPandaCV
基于OneFlow实现Unfold Fold算子
shape=elem_cnt, dtype=np.float32) 首先我们可以确定输出tensor的各个维度，其中out_h和out_w就是输出的高，宽，采用的是卷积输出的公式： Pytorch的Unfold oneflow实现里会有更完整的图例用于理解 OneFlow对应的实现 PR地址：https://github.com/Oneflow-Inc/oneflow/pull/5675 OneFlow版本的Unfold 在深度学习框架里，img2col和col2img在Pytorch里还有另外的名字，也就是Unfold和Fold。 这部分的分解操作可参考下图： 从输出推导的好处就是整个运算是一个elementwise的操作，我们可以用输出tensor的元素个数做一个循环完成整个unfold操作。 我们填充先前设定好的一个padding_value(0) 至此整个img2col流程已经完成，整体操作可参考下图： OneFlow版本的Fold Fold就是将每一列填充回到kxk的地方 如果能理解前面的Unfold
83010发布于 2021-10-20 - 来自专栏Czy‘s Blog
CSS实现展开动画
= btn.getAttribute("unfold"); if(unfold && unfold==="1"){ btn.innerText = "收缩"; optionsNode.classList.remove("unfold"); } btn.setAttribute("unfold", unfold === "0" ? if(unfold && unfold==="1"){ btn.innerText = "收缩"; optionsNode.style.height = ", unfold === "0" ? = btn.getAttribute("unfold"); if(unfold && unfold==="1"){ btn.innerText = "收缩";
2.4K30发布于 2021-02-04 - 来自专栏Czy‘s Blog
CSS实现渐隐渐现效果
class="page">
<div class="btn" onclick="operate(this)" unfold = btn.getAttribute("unfold"); if(unfold && unfold==="1"){ btn.innerText = "打开"; ", unfold === "0" ? = btn.getAttribute("unfold"); if(unfold && unfold==="1"){ btn.innerText = "打开"; ", unfold === "0" ?4.3K20发布于 2021-02-05来自专栏有趣的djangoBBS论坛（二）
('unfold').siblings().removeClass('unfold'); } console.log('coming....'); }); = $('.board-manage'); boardManageLi.addClass('unfold').siblings().removeClass('unfold'); = $('.user-manage'); userManageLi.addClass('unfold').siblings().removeClass('unfold'); } = $('.cmsrole-manage'); cmsroleManageLi.addClass('unfold').siblings().removeClass('unfold'); =$('.banner-manage'); bannerManageLi.addClass('unfold').siblings().removeClass('unfold');
4.7K40发布于 2019-02-13来自专栏函数式编程语言及工具泛函编程（13）－无穷数据流－Infinite Stream
以下的unfold是一个最通用的Stream构建函数（stream builder），我们需要做些重点介绍： 1 def unfold[A,S](z: S)(f: S => Option[(A, S)] Option[(A, S)])ch5.genstream.Stream[A] unfold的工作原理模仿了一种状态流转过程：z是一个起始状态，代表的是一个类型的值。 如果Option是None的话，这给了用户一个机会去终止运算，让unfold停止递归。从unfold的源代码可以看到f(z) match {} 的两种情况。 _ => Some((a,a))意思是无论输入任何状态，元素值和状态都不转变，所以unfold会产生同一个数字。 再看看还有什么函数可以用unfold来实现吧： 1 def takeByUnfold(n: Int): Stream[A] = { 2 unfold((uncons,n))
82950发布于 2018-01-04来自专栏IM、TRTC直播点播相关讨论小程序音视频组件上面添加其他view组件
/static/images/fold.png" class="fold-img"></image> </view> <view wx:else class="<em>unfold</em>"> <image /static/images/unfold.png" class="fold-img" bindtap="_handFoldClick"></image> <view class="member-list view> </view> wxss 样式文件 .fold { position: absolute; top: 50vh; right: 10px; z-index: 3; } .<em>unfold</em> absolute; top: 50vh; right: 10px; z-index: 3; display: flex; flex-direction: row; } .<em>unfold</em>
69200编辑于 2022-01-30来自专栏Linux之越战越勇扫雷的一个简单实现 - C语言
provide_sign(char mineshow[ROWS][COLUMNS], int row, int column); //展开一片，输入一个坐标(不是地雷时)后可能会触发展开一片 void unfold { // unfold(mineboard, mineshow, row, column, x - 1, y); // } // if (mineshow[x - 1][y - 1] 接着调用递归函数unfold()，触发"展开一片’的功能。 拓展 - 展开一片 - 输入坐标后可能触发 调用unfold()函数，表明传入的坐标**(x,y)满足周围**都不是地雷。 unfold(mineboard, mineshow, row, column, x, y); //循环版 void unfold(char mineboard[ROWS][COLUMNS], char
57210编辑于 2023-04-27来自专栏GiantPandaCVVision Transformer新秀：VOLO
下面我们来看下面一条路 熟悉Unfold的同学应该会知道，unfold就是取每一个位置的KxK大小窗口的元素(因此unfold+矩阵乘其实就是卷积操作，unfold的别名也叫img2col)。 KxK大小输入 reshape成(1, C, K^2)，和前面的注意力做矩阵乘，然后再经过unfold的逆向操作fold，恢复成特征图 ? ########### initialization ##################### v_pj = nn.Linear(C, C) attn = nn.Linear(C, k ** 4) unfold = nn.Unfold(K, padding) fold = nn.Fold(output_size=(H, W), K, padding) ################# code in forward outlook_attention(x): v = v_pj(x).permute(2, 1, 0) # Eqn. (3), embedding set of neighbors v = unfold
67340发布于 2021-07-23来自专栏GiantPandaCVTokens-to-token ViT: 对token做编码的纯transformer ViT，T2T算引入了CNN了吗？
步骤1：有重叠地取图像的区域，实际上这个区域就是做卷积的窗口，这个窗口大小是7×7，stride为4，padding为2，然后调用nn.Unfold函数将[7,7]摊平成[49]（也就是把一张饼变成一长条 =(3, 3), stride=(2, 2), padding=(1, 1)) self.soft_split2 = nn.Unfold(kernel_size=(3, 3), 在这里插入图片描述 我们知道CNN = unfold + matmul + fold。 那么T2T模块第一步做了unfold，然后对取出来的窗口做了transformer的非线性变化，这一步我们是不是可以理解为对窗口里面的像素点做了matmul呢？ 但本质上还是隐式引入了卷积，即有unfold + matmul + fold = CNN。对比与后来者ViTAE，T2T的解决方法其实更加简洁。
89010编辑于 2022-04-06来自专栏函数式编程语言及工具泛函编程（14）－try to map them all
再看看下面的例子，如果不用map的话会是多么的混乱： 1 //没用map方式 2 def unfold[A,S](z: S)(f: S => Option[(A,S)]): Stream 3 f(z) match { 4 case None => empty 5 case Some((a,s)) => cons(a,unfold (s)(f)) 6 } 7 } 8 def mapByUnfold[B](f: A => B): Stream[B] = { 9 unfold : S)(f: S => Option[(A,S)]): Stream[A] ={ 2 f(z) map { 3 case (a,s) => cons(a,unfold 2 //起始状态是tuple(Stream[A],Stream[B])，状态转换函数>>> （s1,s2) => Option(a, (s1,s2)) 3 unfold
66770发布于 2018-01-04来自专栏小巫技术博客Linux性能分析：Perf & CPU火焰图
第二步：perf script 解析perf.data数据 perf script -i perf.data &> perf.unfold 将perf.unfold 拷贝到本地机器，再本地生成火焰图。 /stackcollapse-perf.pl perf.unfold &> perf.folded . /flamegraph.pl perf.folded > perf.svg 执行 stackcollapse-perf.pl 将 perf.unfold 中的符号进行折叠。
2K00编辑于 2024-05-27来自专栏YOLO大作战基于Yolov5的轻量级上采样CARAFE算子，提升小目标检测性能
kernel_tensor = F.softmax(kernel_tensor, dim=1) # (N, Kup^2, S*H, S*W) kernel_tensor = kernel_tensor.unfold , self.up_factor, step=self.up_factor) # (N, Kup^2, H, W*S, S) kernel_tensor = kernel_tensor.unfold kernel_tensor.permute(0, 2, 3, 1, 4) # (N, H, W, Kup^2, S^2) # content-aware reassembly module # tensor.unfold mode='constant', value=0) # (N, C, H+Kup//2+Kup//2, W+Kup//2+Kup//2) x = x.unfold (2, self.kernel_size, step=1) # (N, C, H, W+Kup//2+Kup//2, Kup) x = x.unfold(3, self.kernel_size
1.5K10编辑于 2023-11-30来自专栏linux驱动个人学习perf火炬图
-n --stdio 2、 生成火焰图 首先用 perf script 工具对 perf.data 进行解析 # 生成折叠后的调用栈 perf script -i perf.data &> perf.unfold 将解析出来的信息存下来, 供生成火焰图 首先用 stackcollapse-perf.pl 将 perf 解析出的内容 perf.unfold 中的符号进行折叠 : Brendan D. /stackcollapse-perf.pl perf.unfold &> perf.folded 最后生成 svg 图 .
93020编辑于 2022-05-10来自专栏鹅厂少年的奇妙之旅perf + 火焰图分析程序性能
+c结束执行后，在当前目录下会生成采样数据perf.data. 2、第二步 用perf script工具对perf.data进行解析 perf script -i perf.data &> perf.unfold 3、第三步 将perf.unfold中的符号进行折叠： #. /stackcollapse-perf.pl perf.unfold &> perf.folded 4、最后生成svg图： .
3K21发布于 2018-08-04来自专栏电子科技大学腾讯云TDP-利用TCCLI批量重置轻量实例的密码
腾讯云TDP-利用TCCLI批量重置轻量实例的密码 直接上代码 //lighthouse-查看轻量云服务器实例列表 tccli lighthouse DescribeInstances --cli-unfold-argument export insid=$(cat /root/insid.txt) //lighthouse-重置实例密码 tccli lighthouse ResetInstancesPassword --cli-unfold-argument ap-mumbai --InstanceIds $insid --Password pass@W0rd 详细分析 tccli lighthouse DescribeInstances --cli-unfold-argument root/insid.txt) 每次使用$insid 就相当于读取/root/insid.txt里面的内容 tccli lighthouse ResetInstancesPassword --cli-unfold-argument
3K11编辑于 2022-05-03来自专栏GiantPandaCV解析 Token to Token Vision Transformer
而T2T为了捕捉局部信息，它将所有的token通过reshape操作，恢复成二维，然后利用一个unfold一个划窗操作，属于一个窗口的tokens，会连接成一个更长的token，然后送入到Transformer 关于Unfold操作 Unfold操作其实就是卷积中用到的img2col方法，将一个卷积窗口的向量，重排成一个列向量。 ], [34, 35, 36]]]]).astype(np.float32) torch_input = torch.Tensor(np_input) unfold = torch.nn.Unfold(kernel_size=2, padding=0, stride=1) unfolded = unfold(torch_input) print(unfolded =(3, 3), stride=(2, 2), padding=(1, 1)) self.soft_split2 = nn.Unfold(kernel_size=(3, 3),
8K10发布于 2021-03-11来自专栏Windows技术交流基于腾讯云API调用多个接口实现类似Packer打包镜像的效果
UserData中实现 write-host $(Get-Date -Format "yyyy-MM-dd HH:mm:ss") $launchcvm=tccli cvm RunInstances --cli-unfold-argument automatically launch CreateImageTask." while(1){ $PackerCVMState=(tccli cvm DescribeInstances --cli-unfold-argument _ko-kr" write-host $(Get-Date -Format "yyyy-MM-dd HH:mm:ss") $createimg=tccli cvm CreateImage --cli-unfold-argument " break }else{ #write-host "running" } } while(1){ $PackerImgState=(tccli cvm DescribeImages --cli-unfold-argument PackerInstanceId." write-host $(Get-Date -Format "yyyy-MM-dd HH:mm:ss") tccli cvm TerminateInstances --cli-unfold-argument
1K10编辑于 2024-12-01来自专栏YOLO大作战RT-DETR优化改进：轻量级上采样CARAFE算子 | 注意力机制大作战
kernel_tensor = F.softmax(kernel_tensor, dim=1) # (N, Kup^2, S*H, S*W) kernel_tensor = kernel_tensor.unfold self.up_factor, step=self.up_factor) # (N, Kup^2, H, W*S, S) kernel_tensor = kernel_tensor.unfold kernel_tensor.permute(0, 2, 3, 1, 4) # (N, H, W, Kup^2, S^2) # content-aware reassembly module # tensor.unfold mode='constant', value=0) # (N, C, H+Kup//2+Kup//2, W+Kup//2+Kup//2) x = x.unfold (2, self.kernel_size, step=1) # (N, C, H, W+Kup//2+Kup//2, Kup) x = x.unfold(3, self.kernel_size
1.4K40编辑于 2023-11-20来自专栏剑指工控基于Step 7 PLCSIM和TIA Portal WinCC的PLC 与触摸屏的仿真联调
Unfold the tree structure of project, click “Blocks”, and double click “OB1”, to start the logic programming Unfold the device tree structure, double click “Connections”; Create a new controller, set the communication Unfold the “HMI tags” tree structure, double click “Default tag table”, create the tags and set the “ Unfold the “Screens” tree structure, double click “Screen_1” to open the page; add one “Circle” object
2.6K21发布于 2021-11-09
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号