- 博客(12)
- 收藏
- 关注
RSS订阅原创 【Ubuntu18.04系统】安装显卡驱动、cuda10.1和cudnn7.6.5.32
一、安装显卡驱动1.打开软件和跟新的附加驱动选择一个英伟达驱动，选择下面的应用更改，等待驱动的安装，安装完成后，重新启动Ubuntu系统。显卡驱动安装成功！！！二、安装cuda10.11.下载cuda10.1英伟达的官网，cuda10.1的下载链接选择版本复制下载链接，将链接转到Windows系统下，通过迅雷下载。https://developer.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.105_418.
2020-11-19 21:36:03
293
原创 【ros学习笔记】使用cv_bridge连接ROS和OpenCV
一、cv_bridgecv_bridge是将ROS中的图像信息转化为OpenCV的图像信息，从而使用OpenCV进行图像处理。二、创建功能包$ catkin_create_pkg ros_bridge_opencv cv_bridge image_transport roscpp sensor_msgs std_msgs rospy三、配置CMakeList.txt文件# 寻找OpenCV库find_package(OpenCV REQUIRED)# 添加头文件include_direc
2020-10-04 16:11:50
2137
1
原创 【ROS入门笔记】在ROS使用奥比中光Orbbec Astra Pro
一、相机驱动的安装1、安装依赖：$ sudo apt-get install build-essential freeglut3 freeglut3-dev2、检查udev版本，需要libudev.so.1，如果没有则添加#check udev version, Orbbec Driver need libudev.so.1, if can't find it, can make symbolic link from libudev.so.x.x,#which usually locate in
2020-09-27 08:17:51
1010
1
原创 【ros入门笔记】urdf建模
一、创建工作空间# 创建工作空间$ mkdir -p catkin_ws/src$ cd catkin_ws/src$ catkin_init_workspace# 编译工作空间$ cd catkin_ws$ catkin_make#构建install文件夹$ catkin_make install二、创建功能包# 创建功能包模板$ catkin_create_pkg <package_name> [depend1] [depend2] [depend3]#
2020-09-22 21:43:02
442
原创 高斯混合模型(GMM)和EM算法【Python】
在GMM中使用EM算法一、高斯混合模型（GMM）1、一维高斯分布2、多维高斯分布3、高斯混合模型从几何角度来看：多个高斯分布叠加而成πk是x点属于哪个高斯分布的权重二、EM算法：是一种迭代方法E-step：更新后验概率 def get_expectation(self, data): """ 更新posteriori(后验概率） :param data: 输入的数据点 :return: 更新后的后验概率
2020-07-20 23:35:44
2178
1
原创 阿里云天池零基础入门CV赛事(7)——模型集成（dropout）
上次听完安晟大神的讲解，将测试集中图像的尺寸设置为了（60， 120），再次运行baseline，将epochs设置为了15次，以下是训练集和验证集的损失函数值。使用matplotlib绘制出曲线图：在上图中可以看出训练集的损失函数值是在不断的下降，而验证集的损失函数值在第七次时出现了上升， 而且到后面不出现下降，说明该模型出现的过拟合。上一篇也说了处理过拟合的方法，这次详细介绍一下dropout方法。Dropout是广泛应用于深度学习的正则化技术。它会在每次迭代中随机关闭一些神经元。dr
2020-06-02 10:31:37
182
原创 阿里云天池零基础入门CV赛事(6)——模型训练与验证
Task4 模型训练与验证1 训练集、验证集和测试集训练集（Train Set）：模型用于训练和调整模型参数验证集（Validation Set）：用来验证模型精度和调整模型超参数测试集（Test Set）：验证模型的泛化能力假设用一个长方形表示训练数据，我们通常会将这些数据划分成三部分，一部分作为训练集(Train Set)，一部分作为验证集(Validation Set)，最后一部分则作为测试集(Test Set)。在机器学习发展的小数据量时代，常见做法是将所有数据三七分，就是人们常说的
2020-05-30 10:59:47
320
原创 阿里云天池零基础入门CV赛事(5)——卷积神经网络
task3 — 卷积神经网络（CNN）卷积神经网络（简称CNN）是一类特殊的人工神经网络，是深度学习中重要的一个分支。CNN在很多领域都表现优异，精度和速度比传统计算学习算法高很多。特别是在计算机视觉领域，CNN是解决图像分类、图像检索、物体检测和语义分割的主流模型。1 卷积层在二维卷积层中，一个二维输入数组和一个二维核（kernel）数组通过互相关运算输出一个二维数组。卷积窗从输⼊数组的最左上开始，按从左往右、从上往下的顺序，依次在输入数组上滑动。当卷积窗滑动到某一置时，窗口中的输入子数组与核数
2020-05-26 17:03:17
536
原创 阿里云天池零基础入门CV赛事(4)——数据扩增
Tesk 2 数据扩增在深度学习中数据扩增方法非常重要，数据扩增可以增加训练集的样本，同时也可以有效缓解模型过拟合的情况，也可以给模型带来的更强的泛化能力。以torchvision为例，常见的数据扩增方法包括：transforms.CenterCrop 对图片中心进行裁剪transforms.ColorJitter 对图像颜色的对比度、饱和度和零度进行变换transforms.Grayscale 对图像进行灰度变换transforms.Pad 使用固定值进行像素填充transforms.Ran
2020-05-23 13:39:50
334
原创 阿里云天池零基础入门CV赛事(3)—— 数据读取
Tesk2 - 数据的读取本次天池零基础入门CV赛事训练的数据集是SVHN，读取的样本数据是一张张的图像，下面是图像读取、图像输出、图像处理的内容。一、PillowPillow提供了常见的图像读取和处理的操作。from PIL import Image# 读取图像img = Image.open("./images/lena.jpg")from PIL import Image,ImageFilter# 应用模糊滤镜img = Image.open("./images/lena.jpg
2020-05-22 23:56:03
769
原创 阿里云天池零基础入门CV赛事(2)
需要数据小伙伴们，登录阿里云天池比赛，报名后可以将数据下载。零基础入门CV赛事- 街景字符编码识别以一张图片为例，读取数据集中的信息。1 数据标签在数据集中，训练每张图片将给出对应的编码标签，和具体的字符框的位置。fielddescriptiontop左上角坐标Xheight字符高度left左上角坐标Ywidth字符宽度label字符编码图片中字符的位置坐标2 调用package：import numpy as npimport
2020-05-19 22:58:10
362
原创 阿里云天池零基础入门CV赛事(1)
1 零基础入门CV赛事链接天池零基础入门CV赛事- 街景字符编码识别2 在Anaconda中，为此次天池赛事创建一个pytorch的虚拟环境。在菜单栏启动Anaconda中的Anaconda Prompt (Anaconda3)，如图：在命令行中键入：conda create -n envs_name python=3.7,其中envs_name是虚拟环境的名称，根据自己的喜好填写。conda create -n envs_name python=3.7 激活环境，在命令行中键入：conda
2020-05-18 23:27:39
680
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人