
🔥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。
【星光05】全局计时器
这是一个记录时间节点和代码运行顺序的计时器,可以在代码任意位置调用记录运行时间,保存到本地 .csv 文件。
✨代码部分创建 timer.py 文件,创建 GlobalTimer 类。
123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960import time as tfrom typing import Dict, Listimport pandas as pdclass GlobalTimer: """ 全局计时器,跨文件实现代码的时间节点记录。 """ __time_dict: Dict[str, List[float or None]] = {} # 时间存储字典 time_slice_count: int = 0 # 时间切片计数 def __init__(self): pas ...
【星光04】Mmdetection3dlab 使用指南
MMDetection3D 是一个基于 PyTorch 的目标检测开源工具箱, 下一代面向3D检测的平台对安装 MMDetection3D有问题的同学可以看:【星光02】MMDetection3D 目标检测框架的 Docker 环境制作和改良
✨本文结合官方文档,梳理了基于 mmdet3d 开发人工智能模型的基本流程,整理相关的代码和小工具。如遇任何问题,可以查阅官方文档,MMDetection3D 的官方文档还是写得很好的(就是有一些多模态的代码跑不通,本文会注释部分问题命令)
一、数据预处理官方对数据集预处理的文档:3D 目标检测 KITTI 数据集,流程如下:
解压所有 Kitti 数据集,并将文件按如下方式组织:
12345678910111213mmdetection3d├── data| ├── kitti| | ├── ImageSets| | ├── testing| │ │ ├── calib| │ │ ├── image_2| │ │ ├── velodyne| | ├── training| ...
【开发框架】Mmdetection3dlab Docker 环境改良和制作
✨本文提供了一套完整的基于Docker的目标检测研究环境搭建思路,对官方教程进行了一定的修改和补充。同时随文提供SSH和Jupyter server实践,均为可用状态,提供了可靠资料给小伙伴们探索。
注:官方docker适合运行框架内的模型,本文的修改的docker适合对模型进行修改和创新,对使用者的要求略高。
全流程12345678910111. 下载需要的资源 1. 下载 Kitti 数据集 2. 下载 MMDetection3D 代码 3. 下载需要的模型参数2. 制作开发环境 1. 按说明将预训练模型参数和数据放到相应路径下 2. 编辑 Dockerfile 3. 制作 Docker 镜像 4. 创建 Docker 容器3. 开始使用x. 框架解析
官方文档:MMDetection3D
一. 下载需要的资源1. 下载 Kitti 数据集官方网址:3D Object Detection Evaluation 2017。参见博文:KITTI数据集下载及解析,内附百度云盘链接。
2. 下载 MMDetection3D 代码
官方代码仓库:https:/ ...
【Python】生成某个文件夹的目录树
1. 使用背景一些情况下我们想要生成某个工程文件夹的文件目录,写在文档里面逐一说明每个文件的功能,这是如果能自动生成文件树就是一件很方便的事。
2. 代码在如下代码中,只需要给定path目录就可以。
123456789101112131415161718from pathlib import Pathtree_str = ''def generate_tree(pathname, n=0): global tree_str if pathname.is_file(): tree_str += ' |' * n + '-' * 4 + pathname.name + '\n' elif pathname.is_dir(): tree_str += ' |' * n + '-' * 4 + \ str(pathname.relative_to(pathname.parent)) + ' ...
【方法】使用Powershell重启关键程序
参考:https://www.coder.work/article/6671779
1234tasklist | findstr cmdStart-Process cmd.exe -WindowStyle HiddenStop-Process -Id 11172; Stop-Process -Id 11172; Start-Process cmd.exe -WindowStyle Hidden
; :同一行写多句| :管道,前一个的输出到后一个的输入
使用 Whl 安装 Pytorch 施工中~
whl 大法好!
1pip install torch==1.11.0+cu115 torchvision==0.12.0+cu115 -f https://download.pytorch.org/whl/torch_stable.html
jupyter notebook 中的ipykernel内核是jupyter notebook的python,尽量还是使用系统环境中的默认内核。
12345>>> torch.save(bn.state_dict(), 'bn.pt')>>> bn_state_dict = torch.load('bn.pt')>>> new_bn = torch.nn.BatchNorm1d(3, track_running_stats=True)>>> new_bn.load_state_dict(bn_state_dict)<All keys matched successfully>
https://www.w3cschoo ...
【Python星光】pandas 中 Merge 函数的参数 How 超详细解释
:four_leaf_clover:碎碎念:four_leaf_clover:Hello米娜桑,这里是英国留学中的杨丝儿。我的博客的关键词集中在算法、机器人、人工智能、数学等等,点个关注吧,持续高质量输出中。:cherry_blossom:唠嗑QQ群:兔叽的魔术工房 (942848525):star:B站账号:杨丝儿今天也在科学修仙(UP主跨站求个关注)
在pandas中如果我们想将两个表格按照某一主键合并,我们需要用到merge函数。
1pd.merge(dataframe_1,dataframe_2,how="inner")
参数how有四个选项,分别是:inner、outer、left、right。
inner是merge函数的默认参数,意思是将dataframe_1和dataframe_2两表中主键一致的行保留下来,然后合并列。
outer是相对于inner来说的,outer不会仅仅保留主键一致的行,还会将不一致的部分填充Nan然后保留下来。
然后是left和right,首先为什么是left和right,left指代的是输入的时候左边的表格即data ...
【学习计划】信息论 Information Theory 施工中~
学习目标:理解信息论,可以使用通俗易懂的语言说明信息论是什么,有什么作用,以及在哪里用。同时在学习的过程中与之前的相关思想建立连接。
信息论书籍:Information Theory, Inference, and Learning Algorithms
640页,主要是前两部分
作者配套课程:Course on Information Theory, Pattern Recognition, and Neural Networks - VideoLectures - VideoLectures.NET
共16节课,约20小时
推荐计划4天,每天吃透4节课的内容
第五天进行复习
作者资料:Inference Group: Home,David MacKay, born 22 April 1967, died 14 April 2016,卡文迪寻实验室机器学习和信息论方向专家。
:four_leaf_clover:碎碎念:four_leaf_clover:Hello米娜桑,这里是英国留学中的杨丝儿。专注人工智能的情感研究,喜爱物理仿真和可解释性方向,ACGN爱好者。持续高 ...
【数学】多元高斯分布的熵
作者: 引线小白-本文永久链接:http://www.limoncc.com/概率论/2017-01-10-多元高斯分布的熵/知识共享许可协议: 本博客采用署名-非商业-禁止演绎4.0国际许可证
一、若干引理1、引理1.01、连续随机向量函数考虑一般情况,我们有随机向量 $\displaystyle \bm{x}\sim f(\bm{x})$。现在有函数 $\displaystyle \bm{y}=\bm{g}(\bm{x}):\mathbb{R}^k\mapsto\mathbb{R}^d$。即有:$$\begin{aligned}\bm{y}=\bm{g}(\bm{x})\end{aligned}$$若上述方程有唯一解:$$\begin{aligned}\bm{x}=\bm{h}(\bm{y})\end{aligned}$$则称函数 $\displaystyle \bm{x}=\bm{h}(\bm{y})$是 $\displaystyle \bm{y}=\bm{g}(\bm{x})$的反函数。同时我们有雅可比行列式:$$\begin{ ...
【论文】论文写作结构分析
摘要 Abstract(在阅读60多篇论文的摘要后,总结得到以下的几种结构。)
“起”:这种结构适用于论点的提出,在前人贡献不多的情况下使用。
开篇介绍本篇论文的贡献。
列举实验或调查中的发现。
总结并与过往的相关成果进行对比。
“承”:这种结适用于综述类论文。
开篇介绍相关领域面临的问题。
给出过往的技术路线。
交代文章的目的,一般是整理后分析可行方> 向。
“转”:这种结构适用于应用类型的文章,提出一个过往模型的应用场景。
开篇介绍领域的背景,一般是以第三人称视角叙述。
提出文章针对的来自领域内的问题。
提出文章的观点或解决方案,一般是以摘要的第一个“We”开头。
汇报实验结论
“合”:这种适用于笔记类论文,主要是引导新人入行。
(没有固定的摘要格式)
开篇介绍主要目的,一般是总结前人。
引言 Introduction 结构:大背景、前人研究和出现了的问题和缺点、我的解决方案
相关研究
理论
实验
结论
索引 Reference:reference 是为 ...
Hexo博客加密插件
链接:hexo-blog-encrypt
【自设】白十设定集
d6b2705594faac2605c03c803e14c00035d10413ea80c31c868d080e9f28814805a992d8cd76654ef8a61d86d5ca38572e2175ea25c2d116f15af811ad2ea80e695ba0cd1adf4059d52e6399fde7c4e9621299b08caf0462177aa51e29deb0e35e0f9e4aaff019a2875309bd928c342f8663b4e863a95745c04720a45e8f3b3bb206aa735f6821fefdda49e1eba482cfdfab7110c9245f47d3c8f7d2a7ff696642616085dde1869480733ca76473e0a0ac6f2589a8b53b097a0d8fcad7942ef4d91b6501b8127c9c51f0b4ce985e136cbbfeae7b9b3d91b02947a2342b5aa159b907f1496bfe1c1f96645ef0e9218f29e37d045f5ebe40255 ...
【SLAM】数学相关记录
视觉里程计
刚体运动
旋转矩阵
变换矩阵
齐次坐标
角轴 Angle-Axis 也就是李代数 或 旋转向量 Rotation Vector
欧拉角 Euler Angles偏航角yaw,俯仰角pitch,滚转角roll
欧拉角存在万向锁 Gimbal Lock 问题
四元数 Quaternion,三个虚部的扩展复数
旋转矩阵 v.s. 角轴 v.s. 欧拉角 v.s. 四元数
优化:李群、李代数、李括号
李代数就可以求导了
导数模型、扰动模型
小孔成像模型
畸变
非线性优化
【声明】腾讯云博客同步声明
我的博客即将同步至腾讯云+社区,邀请大家一同入驻:https://cloud.tencent.com/developer/support-plan?invite_code=3552s9i8p6w4k
【技术】Docker开发 施工中~
docker 开发很有学习价值