4 只会git clone的程序员

我要认证

最近比较忙,私信已关闭,有问题博客下留言

等级
TA的排名 3w+

PaddleOCR —— 本地安装

简介记录下本地安装PaddleOCR的过程,repo地址:PaddleOCR的github地址。开源的文字识别库还是很香的,star起来。第一步:关注Repo,更新了不迷路点上star和fork,感觉代码全是我写的哈哈哈哈第二步:下载代码选择git clone下载或者直接点击按钮下载都行:第三步:本地创建工程并用pycharm打开我这里创建了一个叫paddleOcr的文件夹放ocr的代码:第四步:安装依赖打开pycharm底下的终端输入下面命令安装,就会自动安装上所有需要的依赖:c

2020-10-23 21:05:59

百度视觉技术部实习生面经

前言昨天到百度面试,第一次实习面试来到百度科技园有点点震撼,形形色色的码农,在一楼还看到了百度自动驾驶组在测试车载显示屏,什么时候才能变得这么强…说实话公司的氛围是真的好,哎,收了我吧。emmm面试这个组的话是找飞桨内部运营帮忙内推的,问了下面试的姐姐目前只有一个实习生。所以感觉还是略缺人?可能这个时间段吧,前不前后不后的,加上疫情。面试内容一面是一个刚毕业的研究生姐姐,打电话下来接我进公司的时候声音特特特特别温柔,所以稍微感觉轻松了一点。一面内容:自我介绍手写代码:字符串中查找最长无重复子串

2020-10-21 16:23:44

车道线拟合代码

代码import cv2import numpy as npdef find_line_fit(img, name = "default" ,nwindows=9, margin=100, minpix=50 , minLane = 50): ''' Args: img: 传入的灰度图像 name: 图像的名字,当处理视屏流的时候,有些图像没法拟合可以用异常来报错提示那一帧出了问题 nwindows: 将图像纵向切割的窗口个数

2020-10-04 23:00:52

windows卸载cuda9.0安装cuda10.0

前言使用paddle框架,更新了ppyolo,升级了paddle版本之前装的cuda9.0不适配了,卸载了安装cuda10.0,记录一下卸载进入卸载的面板:参考了下同学没装cuda的电脑:ok,删除多余的项目即可。其实还可以看看安装时间,就像我的cuda9.0是4.12日安装的,安装日期是那天的就没跑了。卸载完成:安装cuda10.0下载cuda toolkit:传送门如图勾选:双击安装一直默认即可。验证安装:cmd命令后输入nvcc -V下载cudnn链接:https

2020-09-14 17:52:59

百度飞桨强化学习(3)

神经网络方法求解RL为什么引入神经网络前面学习了Q表格求解RL,但是Q表格毕竟是动作种类和状态种类数量较少的情况,像如果用强化学习来训练小人走路那么关节动作的角度是无穷个状态的情况,这个时候就不能用Q表格来解决问题,需要使用值函数来做逼近处理。Q表格缺点值函数近似的优点表格可能占用极大的内存仅需存储有限的参数当表格较大时,查表效率低状态泛化,相似的状态可以输出一样DQN:使用神经网络求解RL问题的算法本质:Q-learningDQN算法两大创新点:经验

2020-09-11 23:38:01

fcntl.py

F_GETFD = 0F_SETFD = 0FD_CLOEXEC = 0LOCK_EX = 1LOCK_UN = 0def fcntl(fd, op, arg=0): return 0 def ioctl(fd, op, arg=0, mutable_flag=True): if mutable_flag: return 0 else: return "" def flock(fd, op): retur

2020-08-31 23:50:08

python使用numpy库替换两个np数组中已知索引的值

使用场景已知数组1:arr1= [1,2,3,4,5,6,7,8,9]已知数组2:arr2= [0,0,0,0,0,0,1,1,1]需要将数组2中值为0的数替换数组1中对应位置的数。结果:result = [0,0,0,0,0,0,7,8,9]实现代码arr1[np.where(arr2 == 0)] = 0np.where(arr2 == 0)返回arr2中值为0的索引...

2020-08-31 09:59:24

github提交超过100M不可再次上传解决方案

显示文件git ls-files找到要删除的大于100M的文件路径删除大于100M的文件git rm --cache 文件名(从上个命令里复制过来)提交操作git commit --amend -CHEAD提交远程主机git push origin master

2020-08-30 23:15:33

百度飞桨强化学习(2)

表格法求解强化学习强化学习MDP四元组<S,A,P,R>s:state 状态a:action 动作r:reward 奖励p:probability 状态转移概率MDP全称马尔可夫决策过程,即系统的下个状态只与当前状态信息有关,而与更早之前的状态无关,这叫做马尔可夫性质。如何描述环境如果P函数和R函数都确定了,那么可以说该环境是已知的了,就可以使用动态规划的方法去计算概率最大的最优策略是什么。当P函数与R函数都已知的时候,称为

2020-08-27 15:01:59

使用paddle框架无人驾驶 —— 卷积神经网络计算方向盘打角

前言之前一直在弄车道线的检测和识别,效果都不佳,要么车道线分割太慢了,要么容易出现丢线的情况处理的不是很好,所以索性直接用卷积神经网络做一个线性拟合。效果 用魔法玩欧卡2,使用国产深度学习框架paddlepaddle部署无人驾驶 传送门:视屏链接数据采集读取欧卡2的数据做训练集属实花了我点功夫,步骤如下:首先安装虚拟摇杆vJoySetup.exe在欧卡里设置操纵模式为键盘加

2020-08-17 00:19:47

百度飞桨强化学习(1)

基础高等数学线性代数(向量空间的变换思想)概率与数理统计(期望,方差)Python:numpy神经网络强化学习两种学习方法基于价值基于策略乌龟环境首先本地下载PARL:git clone git@github.com:PaddlePaddle/PARL.git用pycharm打开PARL的工程进到第一节课的文件下:cd D:\py_code\PARL\examples\tutorials\lesson1在pycharm的终端输入python进入交互式编程:

2020-08-09 13:38:39

使用paddle框架无人驾驶 —— 根据车道线处理方向盘角度

前言上一节实现了车道线的识别,以及设计了算法获取车道线位置,这里参考:项目地址的算法思想,做了一些改动设计的车道线拟合。算法思想首先通过上一节的实现我们得到了下图样式的车道线:因此我们编写的车道线拟合函数的输入自然就是这张图。首先记录下不考虑连续帧的情况的算法思想:首先对图像做对半的分割理想的车道线是左线和右线,然后在我们图像的左右两部分,分割代码:midpoint = np.int(img.shape[1]/2)滑动窗口从下网上检索车道线原理就是下图:我这里将整张图竖直上分成9

2020-08-08 17:29:29

北邮机器人队2020预备队培训(七) ——仿真文件介绍

前言本节介绍文件结构以及介绍一下launch文件的编写.文件结构racecar_control文件这个文件夹主要是配置小车的运动,我们的车模是阿克曼车模,前轮相当于舵机转向后轮驱动,这个文件夹就是配置了这两项.config文件夹这个文件夹下就一个racecar_control.yaml文件,也就是运动关节的配置文件:这里面定义了运动控制器对应的模型的关节是哪个,并且定义了每个关节的类型以及PID参数,这个参数基本不需要调整.launch文件夹这下面放置了控制关节运动相关的启动文件:

2020-08-03 23:24:48

北邮机器人队2020预备队培训(六) —— 传感器数据读取与处理

前言这一节介绍如何读取两台机器人的传感器数据.fetch机器人的摄像头数据读取代码:#!/usr/bin/env python# BEGIN ALL# coding=utf-8import rospy, cv2, numpyfrom sensor_msgs.msg import Imageimport sysimport cv_bridgeclass Catch: def __init__(self): self.bridge = cv_bridge.CvBridge()

2020-08-02 21:46:05

使用paddle框架无人驾驶 —— 语义分割模型检测车道线

前言准备在欧卡2实现无人驾驶,第一步使用paddlepaddle框架的paddleseg模块对车道线语义分割。语义分割数据集本文采用的数据集是tusimple数据集,图森车道线检测数据集。下载地址:传送门对数据集做了一些简单的处理,记录原始图像和带标签图像的文件路径关系。数据集样例:paddleseg这是百度深度学习框架推出的语义分割模块,集成了很多大佬写好的模型,只需要直接配置就可以使用这些模块了,对于新手上手比较友好。paddleseg项目地址:国产深度学习框架,点个star支

2020-08-01 19:18:21

北邮机器人队2020预备队培训(五) —— 部署比赛

前言上几节了解了ROS的三种消息机制,大家对ROS也有了一定的认识,今天再介绍下ROS常用的工具.rostopic传送门rosservice传送门rosnode传送门两款仿真软件介绍Gazebo集成物理引擎的一款仿真软件,主要在场景中仿真机器人的运动等,可以模拟真实场景.通常与ROS结合使用,主流支持机器人的模型文件格式为URDF格式,Xacro格式.RVIZ基于qt设计的数据分析,数据可视化软件,主要用于传感器数据可视化,传感器数据处理,算法验证等.通常与ROS和gazebo联合使

2020-07-31 22:54:00

北邮机器人队2020预备队培训(四) —— ROS基础二

前言上一节讲了ros机制中的话题机制,今天教程讲剩余的两种机制,动作和服务.ROS机制之服务服务适用于只需要偶尔去做并且会在有限的时间内完成的事情.举个例子,我们使用手机的时候想查询自己的手机话费余额,那我们可以使用10086的短信服务,只需要编辑短信发送给10086请求查询余额的服务我们就能收到查询结果.测试ROS服务这里使用ros入门例子测试服务机制.首先启动ros:roscore打开小乌龟:rosrun turtlesim turtlesim_node启动键盘控制:ro

2020-07-30 22:57:33

北邮机器人队2020预备队培训(三) —— ROS基础

前言本次课程介绍ROS基础,今年的预备队培训也以ROS为主,最后在比赛中结合控制算法完成任务。ROS是什么ROS又叫机器人操作系统,ROS提供了一种发布-订阅式的通信框架用以简单、快速地构建分布式计算系。ROS的三种机制 —— 话题话题是ROS中最最常用的机制,话题也是ROS设计的高明之处,之前说了ROS是发布订阅的通信框架,这种框架搭建用的就是话题机制。话题机制就是发布者和接收者的话题的名字相同就可以考虑连接,能否连接成功还需要参照发布者和接收者话题的类型是否一致,如果发布者和接收者都

2020-07-29 23:28:03

北邮机器人队2020预备队培训(二) —— python入门

前言Robocon正式比赛单片机程序主要使用的是c语言,但是考虑到线上培训以及ROS使用c++编程的难度,本次培训主要还是使用Python语言,人生苦短,我用Python。Linux下如何编译pythonlinux系统一般都会自带python环境,何况安装了ROS也会自动安装python2.7。一、进入交互式编程方式:pythonprint("hello world")二、编译本地python文件gedit hello.pyhello.py内容如下:#!/usr/bin/python

2020-07-28 13:53:57

北邮机器人队2020预备队培训(一) —— 培训介绍以及基础知识

前言今年由于疫情的原因,机器人队的暑假培训改为线上直播课培训的方式,预计培训时间在两周左右,电控组培训时间从7.28日开始(包括7.28日)每天早上9点到11点在b站上直播的方式进行,机械组培训具体以及时间安排由机械的学长学姐安排。赛事介绍 2019 全国大学生机器人赛Robocon山东卫视纪录片 ...

2020-07-27 14:00:16

查看更多

勋章 我的勋章
  • 签到王者
    签到王者
    累计签到获取,不积跬步,无以至千里,继续坚持!
  • 新人勋章
    新人勋章
    用户发布第一条blink获赞超过3个即可获得
  • 阅读者勋章Lv3
    阅读者勋章Lv3
    授予在CSDN APP累计阅读博文达到30天的你,是你的坚持与努力,使你超越了昨天的自己。
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv4
    勤写标兵Lv4
    授予每个自然周发布9篇以上(包括9篇)原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。
  • 原力探索
    原力探索
    参与《原力计划【第二季】——打卡挑战》的文章入选【每日精选】的博主将会获得此勋章。
  • 学习力
    学习力
    《原力计划【第二季】》第一期主题勋章 ,第一期活动已经结束啦,小伙伴们可以去参加第二期打卡挑战活动获取更多勋章哦。
  • 原力新人
    原力新人
    在《原力计划【第二季】》打卡挑战活动中,成功参与本活动并发布一篇原创文章的博主,即可获得此勋章。
  • 分享宗师
    分享宗师
    成功上传21个资源即可获取