散焦节点 输入 属性 输出 示例 无Z缓冲例子 摄影机设置 提示 散焦节点 CPU Compositor Only 散焦节点 基于一张 图片/遮罩 输入来模糊相应区域。 此节点一个典型应用是运用Z-缓冲区输入连接端口在后期合成中模拟景深 ( DOF )效果。当然也可以不连接Z深度通道端口对图像进行模糊操作。 输入 图像 标...

2.1 调参指导 2.1 调参指导 针对 leaf-wise 树的参数优化： num_leaves ：控制了叶节点的数目。它是控制树模型复杂度的主要参数。 如果是level-wise ， 则该参数为 ，其中 为树的深度。 但是当叶子数量相同时，leaf-wise 的树要远远深过level-wise 树，非常容易导致过拟合。因此应该让...

散焦节点 输入 属性 输出 范例 使用Z缓冲区范例 摄影机设置 提示 散焦节点 散焦节点。 散焦节点 基于一张 图片/遮罩 输入来模糊相应区域。 此节点一个典型应用是运用Z-缓冲区输入连接端口在后期合成中模拟景深 (DOF )效果。当然也可以不连接Z深度通道端口对图像进行模糊操作。 输入 图像 标准化图像输入。 Z通道...

重构网格修改器 选项 示例 重构网格修改器 重构网格 修改器是用来生成新的网格拓扑的工具。依据输入的表面曲率作输出，但其拓扑结构只包含四边形。 选项 重构网格修改器。 模式 在 重构网格 修改器中有三种基本模式。三种模式输出的拓扑结构基本相同，变化的是如何进行平滑。 块状 未作平滑处理。 平滑化 输出一个平滑表面。 锐利 ...

手写数字识别任务 MNIST数据集 构建手写数字识别的神经网络模型 飞桨各模型代码结构一致，大大降低了用户的编码难度 教程采用"横纵式"教学法，适用于深度学习初学者 手写数字识别任务 数字识别是计算机从纸质文档、照片或其他来源接收、理解并识别可读的数字的能力，目前比较受关注的是手写数字识别。手写数字识别是一个典型的图像分类问题，已经被广...

景深 景深 为了渲染一个场景，EEVEE使用一个针孔相机模型，产生一个完美聚焦的场景图像。为了增强真实感，EEVEE可以使用一个后处理过滤器和基于样本的方法来模拟光学 景深 。光学设置位于 摄像机设置 属性中。而效果的质量可以通过本节中的设置来控制。 Note 景深只在3D视图中的相机视图里工作。 后期处理方法是分两次计算的。第一遍是使用模糊法...

本书的适用群体 本书的适用群体 本书适用于以下读者： 已有一定机器学习/深度学习基础，希望将所学理论知识使用TensorFlow进行具体实现的学生和研究者； 曾使用或正在使用TensorFlow 1.X版本或其他深度学习框架（比如PyTorch），希望了解TensorFlow 2.0新特性的开发者； 希望将已有的TensorFlow模型应...

六、最好的机器学习资源 制定课程表的一般建议 1. 构建基础，之后专攻兴趣领域 2. 围绕最感兴趣的话题设计你的课程表 基础 编程 线性代数 概率统计 微积分 机器学习 深度学习 强化学习 人工智能 人工智能安全 时事通讯 来自其他人的建议 六、最好的机器学习资源 原文：The Best Machine Learnin...

重构网格修改器 选项 例子 重构网格修改器 重构网格 修改器是用来生成新的网格拓扑的工具。依据输入的表面曲率作输出，但其拓扑结构只包含四边形。 选项 重构网格修改器。 模式 在 重构网格 修改器中有三种基本模式。三种模式输出的拓扑结构基本相同，变化的是如何进行平滑。 块状 未作平滑处理。 平滑 输出一个平滑表面。 锐边 ...

散焦节点 输入 属性 输出 示例 无Z缓冲例子 摄影机设置 提示 散焦节点 CPU Compositor Only 散焦节点 基于一张 图片/遮罩 输入来模糊相应区域。 此节点一个典型应用是运用Z-缓冲区输入连接端口在后期合成中模拟景深 ( DOF )效果。当然也可以不连接Z深度通道端口对图像进行模糊操作。 输入 图像 标...