企业官网建设流程全解析

摘要

实验+比赛微总结。

abstract

A brief summary of the experiment and the competition.

一、实验

Smplpytorch实验代码：先实验文件的demo图像，弄清楚流程。
数据随机：demo.py。随机生成一组‘姿态参数’和‘体型参数’，然后调用函数。models/*.pkl 存放着真实人体的原始蓝图。是由数千名真人的扫描数据汇总而成的数学统计模型，记录了人类体型变化和骨骼运动的基本规律。
模型搬运工：serialization.py负责把pkl文件读取出来，转换成 PyTorch 能够计算的内存张量。
3D引擎与数学工具：smpl_layer.py / tensutils.py。smpl_layer.py 接收到搬运工送来的蓝图和导演要求的姿态参数，通过复杂的线性混合剥皮算法（LBS），精确算出人体表面 6890 个顶点的 3D 空间坐标。 rodrigues_layer.py 负责处理关节转动。把简单的‘旋转向量’（轴角）转换成复杂的 3D 旋转矩阵，确保木偶的肩膀、手肘和膝盖能像真人一样自然地转动。
照相机：display_utils.py。负责把坐标数据变成我们能看到的图片，或者保存成标准的 3D 模型文件（.obj）。

改变shape,pose，对于同一参数。

基准：

改变shape：

改变pose：

验证动态关节回归器：

二、比赛

可解释预测建模与特征分析实验：先理解数据，再用多个模型比较，最后用 SHAP/PDP 解释模型是否符合核能物理规律。
给出数据（）。
问题：核能数据中的输入变量和输出结果有什么关系？
哪些机器学习模型适合不同类型的数据集？
模型预测结果是否符合核能系统的物理规律？

整体思路是：
先看数据 → 再选模型 → 比较结果 → 分析多输出 → 最后解释模型。先判断数据有没有冗余变量、非线性关系、物理特征，再决定用什么模型。


模型选择

总结

本周主要是在上一周论文的基础上进行了代码的实验，然后赶上了竞赛。下周工作会继续学习3D+人体方向的内容。