9.1卷积层的运算传送门： https://www.cnblogs.com/greentomlee/p/12314064.htmlgithub:Leezhen2014: https://github.com/Leezhen2014/python_deep_learning卷积的forward卷积的计算过程网上的资料已经做够好了，没必要自己再写一遍。只把资料搬运到这里：http://deeplearning.net/software/theano_versions/dev/tutorial/conv_arithmetic.html#transposed-convolution-arithmeti
9.1卷积层的运算传送门： https://www.cnblogs.com/greentomlee/p/12314064.htmlgithub:Leezhen2014: https://github.com/Leezhen2014/python_deep_learning卷积的forward卷积的计算过程网上的资料已经做够好了，没必要自己再写一遍。只把资料搬运到这里：http://deeplearning.net/software/theano_versions/dev/tutorial/conv_arithmetic.html#transposed-convolution-arithmeti
SAPQM初阶之取样策略如何确定检验批SampleSize？ 1，执行事务代码QDV1创建了如下的2个取样策略，取样策略：NM000001, 取样数量是批量的5%。取样策略：NM000002 取样数量是固定50EA。 2,将这2个取样策略指派给检验计划54下的2个不同的主检验特性。如下图示： 那相关的检验批上的SampleSize是如何确定的？ 3,执行事务代码MIGO,移动类型101做一笔采购订单收货业务，收货数量200EA，过账后创建一个检验批。 其inspectionspecifications里表明该检验批将使用inspectionplan54. 为啥这个检验批的Sample
SAPQM初阶之取样策略如何确定检验批SampleSize？ 1，执行事务代码QDV1创建了如下的2个取样策略，取样策略：NM000001, 取样数量是批量的5%。取样策略：NM000002 取样数量是固定50EA。 2,将这2个取样策略指派给检验计划54下的2个不同的主检验特性。如下图示： 那相关的检验批上的SampleSize是如何确定的？ 3,执行事务代码MIGO,移动类型101做一笔采购订单收货业务，收货数量200EA，过账后创建一个检验批。 其inspectionspecifications里表明该检验批将使用inspectionplan54. 为啥这个检验批的Sample
SAPQM高阶之PhysicalSampleManagement PartI:PhysicalSampleManagement功能简介 SAPQM模块中的PhysicalSampleManagement是制药/食品/化工等流程行业中通常使用的功能。 它可提供以下三种类型的PhysicalSample（物理样本）：Primarysamples(原始样本)直接从总体或检验批中提取。Pooledsamples(混合样本)是通过合并主样本创建的。Reservesamples(保留样本)是保留为样本的原始样本。上述三种样品的取样数量通过SampleDrawingProcedure.计算。 举例说明上述
SAPQM高阶之PhysicalSampleManagement PartI:PhysicalSampleManagement功能简介 SAPQM模块中的PhysicalSampleManagement是制药/食品/化工等流程行业中通常使用的功能。 它可提供以下三种类型的PhysicalSample（物理样本）：Primarysamples(原始样本)直接从总体或检验批中提取。Pooledsamples(混合样本)是通过合并主样本创建的。Reservesamples(保留样本)是保留为样本的原始样本。上述三种样品的取样数量通过SampleDrawingProcedure.计算。 举例说明上述
当需要生成随机点且要求随机点自然均匀的分布时，使用泊松盘采样就较为适合。但该方法与统计学上的概念关联不大，这个只相当于点在面积上服从泊松分布，而实现这个结果有很多做法。 最终效果： 圆形为含半径的点，圆形的中心代表生成点 B站有一个不错的搬运教程(Bridson方法)：https://www.bilibili.com/video/BV1KV411x7LM 另外Bridson文章里说蓝噪声(BlueNoise)也基于此方法生成 我做了些修改，代码如下：usingSystem.Collections;usingSystem.Collections.Generic;usingUnityEngine;
当需要生成随机点且要求随机点自然均匀的分布时，使用泊松盘采样就较为适合。但该方法与统计学上的概念关联不大，这个只相当于点在面积上服从泊松分布，而实现这个结果有很多做法。 最终效果： 圆形为含半径的点，圆形的中心代表生成点 B站有一个不错的搬运教程(Bridson方法)：https://www.bilibili.com/video/BV1KV411x7LM 另外Bridson文章里说蓝噪声(BlueNoise)也基于此方法生成 我做了些修改，代码如下：usingSystem.Collections;usingSystem.Collections.Generic;usingUnityEngine;
目录ImportanceSampling（IS）LightBVH[2018~2019]预构建BVH重建BVH基于BVHnode的ISReal-timeStochasticLightcuts[2020]莫顿序排序（MortonOrderSofting）构建LightTree基于Lightcuts的ISCutSharingReSTIR（ReservoirSpatio-TemporalImportanceResampling）[2020]ResampledImportanceSampling(RIS)WeightedReservoirSampling(WRS)基于屏幕空间的多光源RIS预处理光源pi
目录ImportanceSampling（IS）LightBVH[2018~2019]预构建BVH重建BVH基于BVHnode的ISReal-timeStochasticLightcuts[2020]莫顿序排序（MortonOrderSofting）构建LightTree基于Lightcuts的ISCutSharingReSTIR（ReservoirSpatio-TemporalImportanceResampling）[2020]ResampledImportanceSampling(RIS)WeightedReservoirSampling(WRS)基于屏幕空间的多光源RIS预处理光源pi
