Voxel R-CNNVoxelRCNN来看看 Voxel R-CNN 的实现，由于高度的抽象化和良好的封装，其模型代码和 SECOND 相比，仅多一行 loss_rcnn, tb_dict = self.roi_head.get_loss

OpenPCDet review现在想要打造自己的网络了，就要对这个框架完全的熟悉。虽然之前把代码都过了一遍，但是熟悉度还是不够，打算重新整理过。目标就是完成 SA-SSD 在 OpenPCDet 框架下的复现。贴一个 Shaoshuai

D2L 10 注意力机制555终于可以开始看注意力机制了😆Transformer 我来啦！ 注意力提示生物学中的注意力提示主要有两个概念： 非自主性提示/非随意线索（non-volitional cue），基于环境中物体的突出性和易见性

D2L 09 现代循环神经网络循环神经网络在实践中一个常见问题是数值不稳定性。 尽管我们已经应用了梯度裁剪等技巧来缓解这个问题， 但是仍需要通过设计更复杂的序列模型可以进一步处理它。 具体来说，我们将引入两个广泛使用的网络， 即门控循环单元

D2L 08 循环神经网络序列模型处理序列数据需要统计工具和新的深度神经网络架构 统计工具教材以股票的例子作为例子，假设一个交易员想在第 $t$ 日的股市中表现良好，于是通过以下途径预测当天的价格 $x_t$ x_{t} \sim P\l

D2L 07 现代卷积神经网络虽然深度神经网络的概念非常简单——将神经网络堆叠在一起。但由于不同的网络结构和超参数选择，这些神经网络的性能会发生很大变化。 本章介绍的神经网络是将人类直觉和相关数学见解结合后，经过大量研究试错后的结晶。 我们

D2L 06 卷积神经网络本章介绍的卷积神经网络（convolutional neural network，CNN）是一类强大的、为处理图像数据而设计的神经网络。 基于卷积神经网络结构的模型在计算机视觉领域中已经占主导地位，当今几乎所有的图

D2L 05 深度学习计算在本章中，我们开始深入探索深度学习计算的关键组件，即模型构建、参数访问与初始化、设计自定义层和块、将模型读写到磁盘，以及利用GPU实现显著的加速。这些知识将使你从基础用户变为高级用户。虽然本章不介绍任何新的模型或数

D2L 04 多层感知机多层感知机线性模型的表示能力是有限的，如果加入隐藏层和非线性运算，模型的表示能力将大大增加。事实上如果隐藏层的节点足够多，模型将能够拟合任意的连续函数 $f(·)$，这就是万能/通用近似 universal appr

D2L 03 线性神经网络在本章中，我们将介绍神经网络的整个训练过程，包括：定义简单的神经网络架构、数据处理、指定损失函数和如何训练模型 经典统计学习技术中的线性回归和softmax回归可以视为线性神经网络 线性回归几个基本的概念 数据集