
🔥人工智能
笔记和资料,涉及到深度学习、自动驾驶等领域。
🔥机器人
包括ROS机器人框架笔记。Beginer Friendly

✅Python教程
从0到1,在深入人工智能的全套Python笔记。

❤️经验经历
过往的感悟和思考。发病日记。

✨碎片技术
学习工作中遇到的很赞的技术碎片,整理好了。

✨学习积累
相对于碎片技术的,已经沉淀为自己的资本的内容。
SP Module 2 – Acoustics of Consonants and Vowels
WaveformThe waveform and a definition of the fundamental period.
Fundamental period is the lowest frequency of a vibration object.
Types of waveformSimple, complex, periodic, aperiodic, transient, and continuous waveforms.
SpectrumThe spectrum, its spectral envelope, and harmonics (Frequency components of a complex periodic sound, peaks in spectrum, $H_1$ has the same frequency value to $F_0$, every $H$ is multiple of $H_1$), and formant.
SpectrogramA 3-dimensional figure plotting amount o ...
SP Module 1 - Phonetics and Representations of Speech
Introduction to the International Phonetic AlphabetA set of symbols with which any language can be transcribed. Interactive IPA Chart.
Vocal anatomyWe use a lot more than just our mouth to produce speech
ConsonantsVoice, place, manner
which (voice or voiceless) -> where (at voice tract) -> how strong (constriction level)
The first consonant chart contains symbols for consonants produced with the pulmonic airstream mechanism.
Non-pulmonic consonants includes symbols representing ...
MOB LEC2 Hardware and Software Architectures
Sensors for robot perception
Sensors: Sensor is a device that measures or detects a property of the environment, or changes to a property.
Categorization of sensors: Exteroceptive (extero or surroundings), Proprioceptive (proprio or internal).
Type of Sensor
Feature
Weakness
Future Trend
More words
Essential for robot to perceive environment with its rich semantics.
?
HD, wide dynamic ranges
Comparison Metrics: Resolution, Field of view, Dynamics range
This simulates human binocula ...
【AI框架】Mmdetection3dlab 开发日志
待办清单:
网络整体:x_net.py
特征融合网络层:x_net_fusion_layers.py
网络配置文件:xnet
开发日志:
日志01使用pycharm的SSH连接docker,不如设置pycharm的编译器为docker中的python。这样做的优势有三:
不需要通过ssh传输图像,pycharm的运行速度更快。
因为docker同步了工作目录,不需要使用pycharm来同步,节省时间。
不需要重新弄配置pycharm。
需要修改的有两个位置,一个是configs中的配置文件,一个是mmdet3d中的models相关文件。参照官方教程:教程 1: 学习配置文件和教程 4: 自定义模型
整个框架的思路是从配置文件中去找对应的模型,程序会在一开始把模型全部注册到一个位置,然后使用配置文件中的type关键字去搜索,然后使用其他的作为参数输入,具体需要什么参数由模型决定。
阅读代码的时候发现,框架对自编码器有一定的支持,这一点在完成主干网络的构建后深入调查一下。
日志02
注意到代码中 fusion layer 本来是分出来的,但是因为代码复用的问题,实际上并没有分出来, ...
【深度学习】框架:PaddlePaddle基础
说明
本页面无手机端适配,强制缩放阅读。
使用纯html格式,保存教学用ppt,添加了部分个人笔记。
目录工作正常,可以跳转。
b{color:rgba(0,0,0,0.75)}
PaddlePaddle概述
PaddlePaddle概述
PaddlePaddle概述
PaddlePaddle简介
为什么要学PaddlePaddle
什么是PaddlePaddle
PaddlePaddle优点
PaddlePaddle缺点
国际竞赛获奖情况
行业应用
课程概览
学习资源
知识讲解
什么是PaddlePaddle
Ø
PaddlePaddle(Parallel Distributed Deep Learning,中文名飞桨)是百度公司推出的开源、易学习、易使用的分布式深度学习平台
Ø
源于产业实践,在实际中有着优异表现
Ø
支持多种机器学习经典模型
知识讲解
为什么学习Pad ...
【深度学习】框架:TensorFlow1
说明
本页面无手机端适配,强制缩放阅读。
使用纯html格式,保存教学用ppt,添加了部分个人笔记。
目录工作正常,可以跳转。
b{color:rgba(0,0,0,0.75)}
TensorFlow概述
Tensorflow概述
Tensorflow概述
Tensorflow简介
什么是Tensorflow
Tensorflow的特点
Tensorflow的发展历史
Tensorflow体系结构
体系结构概述
单机模式与分布式
后端逻辑层次
基本概念
张量
数据流
操作
图和会话
变量和占位符
Tensorflow安装
案例1:快速开始
案例2:张量相加
TensorFlow简介
知识讲解
什么是Tensorflow
• TensorFlow由谷歌人工智能团队谷歌大脑(Google Brain)开发和维护的
开源深度学习平台,是目前人工智能领域主流的开发平台,在全世界有着广泛的用户群体。
知识讲解
Tenso ...
【深度学习】图像操作:OpenCV
注意本教程OpenCV版本过旧。
说明
本页面无手机端适配,强制缩放阅读。
使用纯html格式,保存教学用ppt,添加了部分个人笔记。
目录工作正常,可以跳转。
b{color:rgba(0,0,0,0.75)}
计算机视觉基础
计算机视觉基础
计算机视觉基础
计算机视觉概述
计算机视觉的应用
什么是计算机视觉
计算机视觉相关学科
人眼成像原理
计算机成像原理
数字图像处理基础
灰度级与灰度图像
图像采样与分辨率
彩色图像与色彩空间
颜色空间变化
常用图像处理技术
计算机视觉的应用
什么是计算机视觉
计算机视觉与人工智能
计算机视觉概览
知识讲解
什么是计算机视觉
• 计算机视觉在广义上是和图像相关的技术总称。包括图像的采集获取,图
像的压缩编码,图像的存储和传输,图像的合成,三维图像重建,图像增强,图像修复,图像的分类和识别,目标的检测、跟踪、表达和描述,特征提取,图像的显示和输出等等。
• 随着计算机视觉在各种场景的应用和发展,已有的图像技术也在不断的更
新和扩展。
...
【深度学习】实例第四部分:PaddlePaddle
注意:全部代码为PaddlePaddle1版本的代码
Helloworld1234567891011121314# helloworld示例import paddle.fluid as fluid# 创建两个类型为int64, 形状为1*1张量x = fluid.layers.fill_constant(shape=[1], dtype="int64", value=5)y = fluid.layers.fill_constant(shape=[1], dtype="int64", value=1)z = x + y # z只是一个对象,没有run,所以没有值# 创建执行器place = fluid.CPUPlace() # 指定在CPU上执行exe = fluid.Executor(place) # 创建执行器result = exe.run(fluid.default_main_program(), fetch_list=[z]) #返回哪个结果print(result) # result为多维张量
张量操作 ...
【深度学习】实例第三部分:TensorFlow
注意:此代码全部为TensorFlow1版本。
查看Tensorflow版本1234567891011from __future__ import absolute_import, division, print_function, unicode_literals# 导入TensorFlow和tf.kerasimport tensorflow as tffrom tensorflow import keras# 导入辅助库import numpy as npimport matplotlib.pyplot as pltprint(tf.__version__)
Helloworld程序1234567# tf的helloworld程序import tensorflow as tfhello = tf.constant('Hello, world!') # 定义一个常量sess = tf.Session() # 创建一个sessionprint(sess.run(hello)) # 计算sess.close()
张量相加1234567891011121314 ...
【深度学习】实例第二部分:OpenCV
[toc]
OpenCV安装执行以下命令安装opencv-python库(核心库)和opencv-contrib-python库(贡献库)。注意:命令拷贝后要合成一行执行,中间不要换行。
12345# 安装opencv核心库pip3 install --user opencv-python==3.4.2.16 --index-url https://pypi.tuna.tsinghua.edu.cn/simple/ --trusted-host https://pypi.tuna.tsinghua.edu.cn# 安装opencv贡献库pip3 install --user opencv-contrib-python==3.4.2.16 --index-url https://pypi.tuna.tsinghua.edu.cn/simple/ --trusted-host https://pypi.tuna.tsinghua.edu.cn
OpenCV基本操作读取、图像、保存图像12345678910111213# 读取图像import cv2im = cv2.imrea ...
【深度学习】实例第一部分:基础理论
自定义感知机123456789101112131415161718192021222324252627282930313233343536373839# 00_percetron.py# 实现感知机# 实现逻辑和def AND(x1, x2): w1, w2, theta = 0.5, 0.5, 0.7 tmp = x1 * w1 + x2 * w2 if tmp <= theta: return 0 else: return 1print(AND(1, 1))print(AND(1, 0))# 实现逻辑或def OR(x1, x2): w1, w2, theta = 0.5, 0.5, 0.2 tmp = x1 * w1 + x2 * w2 if tmp <= theta: return 0 else: return 1print(OR(0, 1))print(OR(0, 0))# 实现异或def XOR(x1, x2): s1 = not AND(x1, x2) ...
【深度学习】基础 肆:卷积神经网络
注:封面画师:新雨林-触站
说明
本页面无手机端适配,强制缩放阅读。
使用纯html格式,保存教学用ppt,添加了部分个人笔记。
目录工作正常,可以跳转。
b{color:rgba(0,0,0,0.75)}
卷积神经网络
卷积神经网络
卷积函数
离散卷积与多维卷积
什么是卷积神经网络
什么是卷积
卷积神经网络
卷积神经网络的用途
卷积运算
卷积运算的效果
案例2:图像卷积运算
卷积运算神经网络结构
典型CNN介绍
生活中的卷积
全连接神经网络的局限
卷积函数
知识讲解
什么是卷积
• “卷积”其实是一个数学概念,它描述一个函数和另一个函数在某个维度上
的加权“叠加”作用。函数定义如下:
其中,函数 f 和函数 g 是卷积对象,a 为积分变量,星号“*”表示卷积。公式所示的操作,被称为连续域上的卷积操作。这种操作通常也被简记为如下公式:
知识讲解
离散卷积与多维卷积
• 一般情况下,我们并不需 ...
【深度学习】基础 叁:反向传播算法
注:封面画师:新雨林-触站
说明
本页面无手机端适配,强制缩放阅读。
使用纯html格式,保存教学用ppt,添加了部分个人笔记。
目录工作正常,可以跳转。
b{color:rgba(0,0,0,0.75)}
反向传播
这里对反向传播的讲解比较奇怪,可能比较适合初学者理解。想要通过严谨的数学推导理解反向传播的同学,可以搜索一下。
反向传播算法
反向传播算法
什么是正向传播网络
什么是反向传播
反向传播算法
为什么需要反向传播
图解反向传播
反向传播计算
链式求导法则
案例1:通过反向传播计算偏导数
知识讲解
什么是正向传播网络
• 前一层的输出作为后一层的输入的逻辑结构,每一层神经元仅与下一层的
神经元全连接,通过增加神经网络的层数虽然可为其提供更大的灵活性,让网络具有更强的表征能力,也就是说,能解决的问题更多,但随之而来的
数量庞大的网络参数的训练,一直是制约多层神经网络发展的一个重要
瓶颈。
知识讲解
什么是反向传播
• 反向传播(B ...
【深度学习】基础 贰:损失函数与梯度下降
注:封面画师:新雨林-触站
说明
本页面无手机端适配,强制缩放阅读。
使用纯html格式,保存教学用ppt,添加了部分个人笔记。
目录工作正常,可以跳转。
b{color:rgba(0,0,0,0.75)}
损失函数与梯度下降
损失函数与梯度下降
损失函数
损失函数的作用
什么是损失函数
梯度下降
常用的损失函数
什么是梯度
梯度下降
导数与偏导数
学习率
梯度递减训练法则
梯度下降算法
损失函数
知识讲解
什么是损失函数
• 损失函数(Loss Function),也有称之为代价函数(Cost Function),
用
来度量预测值和实际值之间的差异。
知识讲解
损失函数的作用
• 度量决策函数f(x)和实际值之间的差异。• 作为模型性能参考。损失函数值越小,说明预测输出和实际结果(也称期望
输出)之间的差值就越小,也就说明我们构建的模型越好。
学习的过程,就
是不断通过训练数据进行预测,不断调整预测输出与实 ...
【深度学习】基础 壹:感知机与神经网络
注:封面画师:新雨林-触站
说明
本页面无手机端适配,强制缩放阅读。
使用纯html格式,保存教学用ppt,添加了部分个人笔记。
目录工作正常,可以跳转。
b{color:rgba(0,0,0,0.75)}
感知机与神经网络
感知机与神经网络
感知机
感知机的功能
什么是感知机
如何实现感知机
激活函数
感知机的缺陷
多层感知机
神经网络
什么是神经网络
神经网络的功能
通用近似定理
什么是激活函数
为什么使用激活函数
深层网络的优点
常见激活函数
感知机
知识讲解
生物神经元
细胞体
(处理信息)
树突(收集信息)
轴突(传递信息)
突触
(输出信息)
知识讲解
生物神经网络
知识讲解
什么是感知机
• 感知机(Perceptron),又称神经元(Neuron,对生物神经元进行了模仿)是神
经网络(深度学习)的起源算法,1958年由康奈尔大学心理学教授弗兰克·罗森布拉特(Frank Rosenb ...