- 博客(266)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 [生活感悟]不生孩子有什么坏处？
我发现，由于我不再受制于学校的校历，我对于时间的流逝的感觉有很大的不同。我不太注意时间过去了多少。然后突然之间，我意识到时间已经流逝了很多。因为成年生活中，没有了像0到25岁期间那样明显的里程碑。成年人日常生活中某一天的所有信息往往被视为“无用”的，并被我们愚蠢的大脑所抛弃。结果就是：时间过得更快了。通过迫使自己打破成年生活的常规，尝试新事物或学习新技能，你可以让时间慢下来。这些新事物和新技能为我们创造了一个衡量时间的新里程碑列表，让我们的大脑更加意识到时间的流逝。这一点至关重要。
2024-03-26 15:20:16
856
原创 通过 NVIDIA-SMI 统计GPU使用情况
按自定字段查询GPU信息，支持-i | --id=附加参量。可通过--format=csvnoheadernounitstimestamp: 查询时间，以"YYYY/MM/DD HH:MM:SS.msec"格式给出: 以字符串格式给出当前安装的Nvidia显卡驱动版本count: 显卡个数name或gpu_name: 官方给定的显卡名称serial或gpu_serial: 产品序列号，应与板载序列识别号一致，全球唯一uuid或gpu_uuid: 全球唯一设备编号，与板载识别号无关。
2024-02-24 14:59:22
1226
原创 paddle 动态图命名重复问题
具体场景是这样的，我用ai studio提供的notebook跑动态图代码，第一遍正常，第二遍的时候就报参数名称已存在，虽然我也知道这是notebook存储之前的参数变量引起的，只需要重启再运行就可以了。但是重启代价太高了，尤其是前面已经写了很多代码，而我只是想测试这一个cell块中的代码的时候。只需要在每次循环遍历代码（模型）的时候，将这两行代码放到开头/结尾都行，就完美的解决了层名称重复的问题。title = {{第二个模型载入时会覆盖第一个模型的的参数xn–3g7c如何解决xn–nh7c}},
2024-01-28 21:35:31
982
原创 交叉熵损失函数（Cross-Entropy Loss Function）
在处理机器学习或深度学习问题时，损失/成本函数用于在训练期间优化模型。目标几乎总是最小化损失函数。损失越低，模型越好。交叉熵损失是最重要的成本函数。它用于优化分类模型。对交叉熵的理解取决于对 Softmax 激活函数的理解。我在下面写了另一篇文章来涵盖这个先决条件考虑一个4类分类任务，其中图像被分类为狗、猫、马或猎豹。上图中，Softmax 将 logits 转换为概率。交叉熵的目的是获取输出概率（P）并测量与真值的距离（如下图所示）。对于上面的示例，类dog的所需输出是[1,0,0,0]
2023-11-29 16:41:14
1006
原创 [软件安装]anaconda安装
最后，您可以使用conda create命令创建新的conda环境，以开始使用anaconda。在安装期间如果遇到问题，请查看安装程序输出，或者在anaconda社区中搜索解决方案。首先，在anaconda官网上下载适用于Linux的anaconda安装包。打开终端，进入下载目录并解压安装包。以检查是否已安装成功。
2023-11-20 23:57:30
1244
6
原创 Ubuntu下发送邮件
mail命令在Ubuntu下是需要安装的，使用下条命令进行安装：sudo apt-get install heirloom-mailx接下来输入用户密码，等待安装完成此时还不能发送外部服务器邮件，需要完成以下配置，修改/etc/nail.rc或者/etc/s-nail.rc(Ubuntu)、/etc/mail.rc(centOS)vi /etc/nail.rc或者/etc/s-n
2023-11-20 08:58:45
975
1
原创 [运维工具]ubuntu下迁移home目录至新的分区教程详解
home/home/home因此，为了解决磁盘的问题，只能将数据“搬家”了，下面是整个“搬家”的过程。
2023-11-13 14:29:06
936
原创 [深度学习]不平衡样本的loss
Balanced softmax 是 class-balanced loss 的一种变体，它通过将每个类别的权重与该类别的数量成反比来分配权重。Class-balanced loss 是 focal loss 的一种变体，它通过将每个类别的权重与该类别的难易程度成反比来分配权重。Softmax 在类别均衡的情况下效果很好，但在类别不均衡的情况下，它会偏向于那些更常见的类别。Focal loss 是一种更复杂的损失函数，它通过惩罚模型对容易分类的样本的预测错误来解决类别不均衡问题。
2023-11-10 13:40:08
732
1
原创 [编程工具]_vimrc配置
Vim的配置文件为~/.vimrc，即在用户的home目录下的.vimrc文件，也可通过命令“:echo $MYVIMRC”查看当前Vim的配置文件路径。[用户目录]/_vimrcset number：显示行号set relativenumber：显示相对行号set cursorline：突出显示当前行set tabstop=4：设置tab键宽度为4set shiftwidth=4：当使用命令时，每次缩进宽度为4set expandtab：将tab键转换为空格。
2023-10-27 22:19:18
240
原创 [软件安装] tmux安装及相关事项
tmux是一个终端复用工具，可以在单个终端窗口中同时运行多个终端会话。安装tmux可以提高工作效率，使命令行操作更加方便。
2023-10-23 10:35:34
502
原创 [程序人生]常用的Linux命令简称与全称
学习Linux系统操作的时候，那些命令很难记，让人头大。本文给出Linux系统中常用的命令简称与全称。
2023-10-14 12:07:50
249
原创 [代码学习]einsum详解
该函数用于对一组输入 Tensor 进行 Einstein 求和，该函数目前仅适用于paddle的动态图。Einstein 求和是一种采用 Einstein 标记法描述的 Tensor 求和，输入单个或多个 Tensor，输出单个 Tensor。参数返回。
2023-10-10 15:54:12
401
原创 [话题讨论]你认为程序员不写注释的原因是什么
chatGPT发展势头迅猛，我认为其能够回答这个问题。于是我通过两条指令使其帮助我回答了这个问题，下面就是详细的提问指令和答复。
2023-10-10 14:40:45
97
原创 [代码学习]matmul的理解与使用
PaddlePaddle中的matmul是一个矩阵乘法函数，可以用来实现两个矩阵的乘法操作。# 源码链接：https://github.com/PaddlePaddle/Paddle/blob/release/2.5/python/paddle/tensor/linalg.py#L139参数x (Tensor) - 输入变量，类型为 Tensor，数据类型为 bfloat16， float16， float32， float64。
2023-10-10 14:16:14
649
原创 binary_cross_entropy和binary_cross_entropy_with_logits的区别
二分类问题是常见的机器学习任务之一，其目标是将样本分为两个类别。为了训练一个二分类模型，通常使用作为损失函数。二分类交叉熵损失函数有两种不同的形式，分别是和。在PyTorch中，这两种损失函数都是可用的，它们的区别在于。
2023-10-06 13:11:25
904
原创 【torch】parameters与named_parameters的区别
此示例属于从nn.Module中继承的成员函数。从名称上看，比parameters多了个named，已经能够显示出本质区别来了。
2023-10-05 15:55:00
596
原创 [论文分享]Skip-Attention: Improving Vision Transformers by Paying Less Attention
这项工作旨在提高视觉transformer（ViT）的效率。虽然 ViT 在每一层都使用计算昂贵的自我注意操作，但我们发现这些操作在各层之间高度相关——这是导致不必要的计算的关键冗余。基于这一观察结果，我们提出了SKIPAT，一种重用前一层的自我注意力计算来近似一个或多个后续层注意力的方法。为了确保跨层重用自注意力块不会降低性能，我们引入了一个简单的参数函数，它的性能优于基线transformer的性能，同时计算速度更快。
2023-08-26 09:58:28
347
原创 [论文分享]Pedestrian attribute recognition based on attribute correlation
网络整体架构，可以看到：CAFN 中包含了 CFAM 模块，CFAM 中包含了 C2AM 模块。换句话说，从上面的架构图中，可以看到作者提出的 C2AM 模块（跨属性注意力模块），特别像 transformer 中的 self-attention 模块。作者通过实验说明其可以更高的构建跨属性注意力。然后，其 CFAM 模块（跨特征注意力模块）有点像多头注意力的多头。作者在论文中用 h 表示，h=4。
2023-08-26 09:21:52
201
原创 [当前就业]2023年8月25日-计算机视觉就业现状分析
如今，YOLO（You Only Look Once）新版本的发布周期很快，每次迭代的性能都优于其前身。每 3 到 4 个月就会推出一个升级版 YOLO 变体，在目标检测任务的准确性、速度和鲁棒性方面展示出改进的性能。然而，需要我们注意的关键问题是：“YOLO 的知识足以在计算机视觉市场生存吗？答案是“否”，但这并不意味着 YOLO 知识不重要。在本文中，我们将了解除了 YOLO 之外，要成为一名完整的计算机视觉工程师还需要哪些技能，以及有助于您计算机视觉职业发展的技能。
2023-08-25 09:51:26
2488
1
原创 [论文分享]VOLO: Vision Outlooker for Visual Recognition
视觉 transformer（ViTs）在视觉识别领域得到了广泛的探索。由于编码精细特征的效率较低，当在 ImageNet 这样的中型数据集上从头开始训练时，ViT 的性能仍然不如最先进的 CNN。作者通过实验分析，作者发现：1）输入图像的简单标记化未能对边缘、线条等重要的局部结构进行建模，导致训练样本效率低下；2）ViT 的冗余注意力主干设计导致固定计算预算和有限训练样本的特征丰富度有限。
2023-08-24 20:10:41
382
原创 NVIDIA Jetson Orin™ 与其他 NVIDIA Jetson 模组的区别
在本系列关于 NVIDIA Jetson AGX Orin 的前几版中，我们了解了 AGX Orin 是什么、它的技术特性、主要构建模块和关键的嵌入式视觉用例。今天，让我们看看这款高性能处理器与其前辈相比如何。很明显，NVIDIA® Jetson™ 模块具有不同的 AI 计算能力、能效和外形尺寸。这也是NVIDIA相机越来越受欢迎的原因之一。整个 NVIDIA® Jetson™ 产品系列使用通用软件堆栈，以促进和扩大部署。
2023-06-17 13:40:04
2977
1
原创 wsl中使用ROS工具rqt显示界面跑到窗口外面
问题：在WSL中使用ROS时确实会有一些小bug，比如rqt_plot功能包时，想通过rqt_plot指令查看相应信息，但是窗口弹出在窗口是空白的，并且rqt那个功能界面跑到了窗口外面，根本无法移动回去，指令运行时没有任何报错，且卸载rqt功能包、重启roscore、电脑均无法解决。如图：最后终于正常了。
2023-06-12 18:54:03
715
原创 机器人/ROS系统领域优秀的教程推荐
从分析两轮差速驱动机器人运动规律出发，依据刚体运动学等理论基础，逐步从底层逻辑分析、构建两轮差速驱动机器人的运动模型，最后，从实际应用角度对比分析了不同构型差速驱动机器人的优缺点及适用范围。title = {{两轮差速驱动机器人运动模型及应用分析}},title = {{机器人电量估计方法及实践}},author = {混. 沌. 无. 形.},author = {混. 沌. 无. 形.},author = {混. 沌. 无. 形.},author = {混. 沌. 无. 形.},
2023-06-06 14:57:14
426
原创 ROS Noetic turtlebot3建图导航仿真教程（极简版）
【代码】ROS Noetic turtlebot3建图导航仿真教程（极简版）
2023-06-05 22:02:42
667
1
原创 如何从平面图或蓝图为 ROS 创建地图
在本教程中，我将向您展示如何从平面图或蓝图为 RViz（ROS 的 3D 可视化程序）创建地图。为 RViz 创建地图是使机器人能够在环境中自主导航的重要步骤。我们经常使用机器人的激光雷达来构建地图。这很好，但如果您根据手头已有的平面图或蓝图创建地图，通常可以构建出更好、更准确的地图。您需要做的第一件事是获取平面图或蓝图。确保它是 .png 格式。将图像保存到最终要加载地图的目录。安装地图服务器使用等程序根据需要编辑图像文件。我的图像名称是 mii_floor_plan_4_binary.png。
2023-06-05 21:32:58
1192
原创 硬链接与符号链接
在最一般的意义上，链接是两个对象之间的连接。更具体地说是在计算方面；根据牛津定义，链接是与代码或指令的连接，它将程序的一部分或列表中的元素连接到另一部分。在这种情况下，它是来自一个位置的文件或目录的连接，并且能够从另一个位置访问它。为此，必须从原始文件创建链接文件 本博客的其余部分是关于通过硬链接或符号（软）链接创建链接文件的两种方法的比较。第一种方法是使用硬链接。这种建立连接的方式是通过所谓的索引节点，它本质上是对文件物理位置的引用。
2023-06-03 23:25:48
492
原创 ROS系列：catkin和catkin_make的区别与联系
catkin和catkin_make是两个相关的ROS工具，它们用于创建和构建catkin项目。catkin是官方ROS工具，具有灵活性和可配置性；而catkin_make是一个第三方工具，具有自动化和高级功能。在某些情况下，catkin可能更适合您的需求；而在其他情况下，catkin_make可能更适合您的需求。您应该根据您的具体需求和项目要求选择适当的工具。
2023-06-03 10:39:14
1197
原创 window用户程序数据文件夹AppData
在 Windows 操作系统中，C 盘的用户的 AppData 文件夹包含了当前用户与计算机上的许多应用程序相关的数据。具体来说，AppData 文件夹包含三个子文件夹，分别为：Local(本地)：这个文件夹用于存储应用程序安装后的本地文件，包括日志文件、缓存文件和其他本地数据等。这里保存的数据跟应用程序的性质有关，有些是不同步的，有些可能需要共享数据等。LocalLow(本地低级)：这个文件夹通常较少使用，它与 Local 文件夹类似，主要用于存储低权限应用程序的本地数据，比如游戏数据等。
2023-06-01 20:21:32
5860
原创 Ubuntu中which和whereis的区别
which和whereis是Linux系统中常用的命令，用于查找特定命令或文件的位置。该命令查找ls命令的位置，并输出结果为/bin/ls和/usr/share/man/man1/ls.1.gz（帮助文档所在位置）。whereis命令用于查找指定文件的位置，包括二进制文件、源文件以及帮助文档等。which命令用于查找可执行文件在PATH路径中的位置。该命令查找ls命令的位置，并输出结果为/bin/ls。
2023-05-30 17:02:31
440
两配对样本非参数检验.ppt
2022-01-17
vgg19_no_fc.npy
2020-07-02
pandas.Series(len_sequences).describe() 的示例理解代码.ipynb
2019-08-23
ippicv_2019_lnx_intel64_general_20180723.tgz
2018-11-21
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人