YuriFan-CSDN博客

原创深度学习工作站配置

1、前言实验室深度学习服务器从硬件到系统和软件上的配置，不使用外包的服务器，从装机到管理全程自己摸索，从而实现实验室多用户共同共用服务器资源，目前服务器上所有的硬件配置就都是INTEL和NVIDIA，系统上使用Ubuntu系统，同样其他Linux操作系统也可以，但是目前来说Ubuntu对于深度学习服务器来说还是适用性最广的。2、硬件方面服务器的配置方面，首先是CPU，普遍选择Intel至强系列芯片居多，当然最近几年AMD确实是香，但是从软件兼容性角度考虑，还是选择Intel；显卡方面就不必多说了RTX

2022-03-27 15:13:13 3663 1

原创李宏毅机器学习笔记：GAN

前言主要记录李宏毅机器学习2021中介绍GAN部分的笔记，从GAN的发展开始到GAN的基本理论再到GAN生成的评价方法最后到介绍流行的GAN方法。一、GAN的基本介绍GAN的全名是Generative Adversarial Network生成对抗网络，其主要的目的是为了让训练机器让机器能够自主生成相对应类型的图片，其中生成器generator就是GAN中进行生成相对应类似分布的网络，而鉴别器Discriminator就是判别生成器生成是否为真假的网络，鉴别器通过将输入的图像转换成一个判别值来判断真

2021-08-30 21:02:32 4692

原创李宏毅机器学习笔记：Transformer和Normalization

前言：本文主要记录关于李宏毅机器学习2021中Transfomer和Normalization章节的相关笔记，其中Transformer主要介绍了在NLP领域的作用而Normalization主要介绍Batch Normalization的操作。一、Normalization① 为什么要做归一化处理先说归一化的目的或者优点：归一化的目的主要是为了让模型的收敛速度更快，对于使用梯度下降优化的模型，每次迭代会找到梯度最大的方向迭代更新模型参数。但是，如果模型的特征属性量纲不一，那么寻求最优解的特征空间

2021-08-30 15:01:36 1034

原创李宏毅机器学习笔记：CNN和Self-Attention

前言本文主要记录关于李宏毅机器学习2021中HW3和HW4的卷积神经网络和自注意力机制网络部分的笔记，主要介绍了CNN在图像领域的作用及如何处理图像数据，Self-Attention在NLP(自然语言处理)领域的作用和处理词之间的关系。一、CNN卷积神经网络CNN处理图像的大致步骤前面介绍的FCN全连接神经网络是通过把一维的向量不断通过中间的隐藏层的multi和bias最后输出指定列数的vector，而图像这个多维向量是经过一个卷积神经网络最后再经过flatten展开成一维再通过FCN输出对应

2021-08-16 21:59:41 5862 2

原创李宏毅机器学习笔记：梯度下降

前言本文是基于台湾李宏毅机器学习的笔记，本文主要记录关于梯度下降的知识点一、梯度下降梯度下降法简介梯度下降的优化目标是使得损失函数L最小，其中θ为参数，假设 θ 有里面有两个参数 θ1, θ2 随机选取初始值，η为学习率梯度下降遇到的问题梯度下降过程中可能会遇到马鞍点，局部最小点，下降速率过慢等等情况，如下图所示，这些情况导致的后果就是梯度约等于或等于0，即梯度消失，在深度学习中，对于梯度消失问题尤其看重，梯度消失意味着网络失去了活性相当于网络死亡。二、梯度下降优化

2021-08-01 17:35:41 494

原创李宏毅机器学习笔记：回归

前言本文是基于台湾李宏毅机器学习课程所记录下的笔记，本文主要关于回归内容进行了整理和总结一、回归回归案例回归的应用层面有很多，比如股市房价预测，输入往年的股票房价数据输出未来的预期值；在自动驾驶方面也有所应用，输入传感器数据预测方向盘的角度，以及在商品推荐上等等。二、回归模型Step1 模型假设：线性模型通过对输入特征数来进行线性模型的假设(这里介绍线性模型)Step2 损失函数损失函数是判断模型的好坏，最简单的损失函数也是最常见的就是计算模型输出和真实标签之间的距

2021-08-01 15:57:54 378

原创李宏毅机器学习笔记：机器学习介绍

前言本文记录了关于机器学习的基本介绍，机器学习的一个基本的框架以及机器学习的相关技术，并且本文是基于台湾李宏毅机器学习课程的基础上所做的笔记。一、机器学习介绍机器学习是什么机器学习的本质其实就是在寻找一个Function，这个Function可以满足我们的期望：输入一个特定的值，输出我们所需要的，比如在自然语言方面输入一段语音期望能够识别出语音的内容，在图像识别方面，输入图像期望输出图像内容的类别等等机器学习的总体过程机器学习的总体过程可以分为三个部分：第一找到特定的Functi

2021-08-01 14:17:27 609

原创英伟达Jetson:Jetson Nano出现非法指令(核心已转储)

前言在使用Jetson Nano开发板的过程中运行Python文件终端报错出现的错误提示,后来在终端中输入python3进入python环境去任意import一个库除了python的内置库(比如:sys、os等等)都会直接报错出现非法指令(核心已转储)，因此一度陷入了困境，在网上查找资料怎么也找不到相关的解决办法，刚开始无奈的我只好重装系统，在装好系统后安装完代码相关要求的一些库后运行python代码文件就又开始报出相同的错误。问题分析首先介绍一下问题出现的背景，这里只代表本人的问题背景，问题背景是

2021-07-25 15:07:12 5662 25

原创英伟达Jetson：Jetson Nano视频编解码测试

前言本文主要测试Jetson Nano的编解码的能力是否符合官方文档所展示，本文主要基于1080P和4K的两类分辨率视频进行H.264和H.265的编解码测试，测试内容主要有：1080P，4K视频的直接解码测试；从1080P的USB摄像头和4K的CSI摄像头获取图像进行编码再进行解码显示。一、安装 GStreamer首先使用以下命令来安装Gstreamer1.0sudo add-apt-repository universesudo add-apt-repository multiverse

2021-07-20 17:30:05 6717

原创深度学习：CS231n学习笔记Lecture11~15

前言本文主要记录了斯坦福大学深度学习课程CS231n的Lecture11~15的学习笔记，若有错误之处还请谅解一、物体检测和分割物体检测模型可以分为单步模型和两步模型，其中单步模型指没有独立地、显示地提取候选区域，直接由输入图像得到其中存在的物体的类别和位置信息的模型，在计算效率上有优势，典型的单步模型有：OverFeat、SSD（Single Shot multibox-Detector ）、YOLO（You Only Look Once）等；两步模型指有独立的，显示的候选区域提取过程，即先在输入

2021-07-19 11:34:17 363 1

原创深度学习：CNN和RNN学习笔记

前言本文主要记录关于深度学习相关需要的软硬件以及CNN和RNN中的基础知识点当然包括经典的框架结构的简述，若有错误之处还请谅解。一、DL硬件方面目前的深度学习方面应该也就NVIDIA英伟达一家独大，深度学习的发展很大程度上离不开显卡的飞速发展，没有显卡的超强计算能力，恐怕没法实现更强大的网络结构；再说说显卡即GPU事实上它的出色之处就是在于其优秀的矩阵计算能力，深度学习很大程度上是通过矩阵来进行计算（因此学好线性代数很重要），所以GPU也就成为深度学习的强有力的实现工具，关于CPU方面，CPU的性能

2021-07-12 16:02:58 370

原创深度学习：基础知识学习笔记

前言本文主要记录下关于斯坦福CS231n课程Lecture1——Lecture5中学习的笔记，以下部分内容为个人理解如有错误，敬请原谅。一、传统机器学习和深度学习联系不管是传统的机器学习还是深度学习，贯穿主线的就是特征，只不过传统的机器学习能够利用数学建模的方式将特征展现出来并推导分析，而深度学习更像是黑匣子其中的特征更加的抽象难懂无法直观地呈现出来，并且从数学上较难去推导分析；但是两者共同点都是需要数据驱动，现在地深度学习能更好地利用大数据进行训练寻找特征，以往传统机器学习难以解决的问题，放在深度

2021-07-05 21:03:58 172 1

原创深度学习：生成式模型学习笔记

前言本文主要记录在学习生成式模型时的一些关键知识点以及学习过程的笔记，若有错误之处还望指出并谅解。一、生成模型基于深度学习的生成式建模的方法主要有AE、VAE、GAN这三大种，其中VAE是基于AE的基础上进行变形的生成模型，而GAN是近年来较为流行并有效的生成式方法。自编码器(AE)：AE主要由编码器和解码器组成，整个模型其实就相当于一个压缩解压的一个过程，编码器将真实数据进行压缩到低维隐空间中的隐向量，然后解码器将压缩的隐向量进行解压得到生成数据，当然在训练过程中会将生成数据和真实数据进行比较并

2021-07-05 19:44:06 3543 1

原创 Git学习：记录整理Github项目时遇到的问题和方法

前言好久没有维护自己的Github了，本文记录了这些天整理个人Github仓库时候遇到的问题和学到的新东西。一、Github的Branch问题github的Branch以前一直我记得都是以master作为default，不过不知道什么时候变成了main作为default，不过没什么太大影响，去查资料后发现master用作default还和一些历史因素相关，这里不再细讲，所以在push项目上去的时候要看好push到的是master还是main分支中去，个人比较喜欢default不是很喜欢改变。二、Gi

2021-05-19 18:12:56 177 1

原创 Hexo:基于Hexo框架搭建Github主页

前言本文主要是在GitHub’s Page的基础上使用Hexo开源框架对Page进行优化，并且使用自定义域名来访问GitHub’s Page，所以此个人主页的搭建是在自己的Github账号上，服务器自然也是在Github那边，只不过我们要做的就是对原来的Github’s Page进行优化而已。一、安装Git自行在Git官网下载相对应版本的Git二、安装Node.js①下载安装Hexo开源项目是基于Node.js，所以，首先需要电脑上安装Node.js和配置系统路径。Node.js下载地址关于

2021-05-04 18:07:42 156

原创深度学习：GPU云服务器的租用

前言本文是在笔者做深度学习相关研究的时候需要高算力GPU去运行代码因而选择去租借GPU云服务器，这里记下自己所接触的一些GPU服务器网站和使用技巧一、推荐站点1、极链AI云，首当其冲的一定是这家，这家是我用过认为较为好用而且相对价格比较平均然后操作方便，还有最重要的一点就是它微信注册绑定送100元，如果是学生再送100元，真的很爽，而且这家的GPU种类比较多，从RTX2080Ti，Tesla P100，Tesla T4，Ampere A100等，还是比较多的种类的2、1024Lab云，这家的话服务器

2020-12-18 22:47:28 35403 7

原创深度学习：Pytorch训练数据时问题总结

前言本文是在笔者使用Pytorch深度学习框架训练自己的网络时遇到的一些问题，在此一并记录下来作为学习笔记，本文中的问题主要是Pytorch框架上遇到的一些问题而非单独针对个人网络代码框架上的问题问题一、问题：在使用Pytorch加载训练好的模型文件checkpoint.tar或其它保存类型的模型文件时，如果遇到“xxxxx is a zip archive (did you mean to torch.jit.load()?)”，大概就是这样一回事分析：这里大概意思就是说你这个版本的Pytorch

2020-12-18 21:49:45 2792 3

原创论文阅读：Unprocessing Images for Learned Raw Denoising

前言本文主要是对《Unprocessing Images for Learned Raw Denoising》论文进行部分翻译解读，如果有观点不对或者错误的地方还望谅解并指出。

2020-12-01 15:25:12 1237

原创深度学习：深度学习总体概述

前言在学习深度学习和机器学习也有一段时间了终于有点时间来写写笔记回顾一下之前学到的，本文主要是笔者在阅读和观看一系列深度学习相关的书籍或者视频之后写下自己对深度学习的总体内容概述，如有不全或错误之处还请谅解并指出。一、神经网络深度学习事实上本质是在研究神经网络，其实深度学习本来就是机器学习的一个分支而机器学习分支中的神经网络由于发展较为迅速并逐渐形成新的学名——深度学习，神经网络和传统的机器学习算法其实个人认为主要的区别是在速度上和准确率上，传统的机器学习算法是在研究各种特征细节，人为能够很好的看到和

2020-11-28 21:55:20 1072

原创 Git学习：Readme文档的编写

前言该文是关于在Github下创建好仓库，并且将项目文件上传到仓库后，如何去编写好一份优秀的Readme文件，Readme文件的编写使用Markdown编辑模式撰写，和CSDN官方博客撰写其实差不多，所以会了CSDN的Markdown撰写其实差不多Readme也会，只不过两者可能在操作上或其他地方有些许小不同，但都是大同小异，CSDN只是让编写更加人性化更加简单，Github上的编写就比较原始了，必须按照语言规则一点一点的打出来。一、Markdown编写工具这里推荐的Markdown编写工具是Stac

2020-10-07 12:23:07 4653

原创 Git学习:Git命令把项目文件上传到Github

前言记录使用Git命令上传工程项目到个人Github上，怕自己以后会忘记，操作系统是在Windows上进行，学会Windows操作，Linux上自然会，都差不多。一、下载Git百度搜索Git，到官网上下载Git对应版本型号二、在本地的Github个人中心创建仓库三、配置SSH每个工程文件对应配置一个SSH密钥；1、在需要上传的工程文件夹下面右键点击Git bash here输入命令ssh-keygen -t rsa -C "邮箱" 2、进入SSH密钥存放地址我的电脑——C盘——用户—

2020-07-21 23:21:17 189

原创 SLAM学习：JetsonTX2工控机的准备工作

前言笔者已在自己的PC机上的Ubuntu系统上已经全部模拟仿真好Autolabor无人小车实现SLAM，视觉目标检测等功能后，准备把所有的源码移植到在JetsonTX2上面，然后利用TX2连接Autolabor小车来实现真正的无人驾驶功能，接下来这是我在使用TX2的时候记录一些比较麻烦的问题，全篇内容较短。一、TX2刷机成Ubuntu16.04LTS系统首先我们得明确我们是要在TX2上面用ROS-Kinetic那就必须安装Ubuntu16.04,但是现在已经2020年，Jetpack的版本都更新到哪里

2020-06-25 00:33:47 735 1

原创 SLAM学习：记录配置摄像头时候出现的一些小问题

前言本文是关于笔者在为自己建立的模型上添加摄像头以便为了后续的视觉开发做准备，在配置摄像头的时候遇到了一些小问题，这里本文也只是为了记录而已，可能文章略简，请谅解（本文摄像头使用的是Kinect摄像头）一、问题一描述在配置好一切摄像头应该配置的文件之后，运行在gazebo中显示模型的launch文件，出现了以上错误。解决方法：1、可能是urdf文件书写有错误，要注意urdf文件中不能加中文注释，第一行中不能加注释，打开urdf文件删掉相关注释即可。2、安装joint-state-publish

2020-06-22 00:24:07 357

原创 SLAM学习：DWA算法原理和Python编程实现

前言此部分内容是ROS中Move_Base功能包用到的DWA路径规划算法的介绍和实现，下面我将以自己所理解的DWA算法原理内容展示出来，我看过网上和书籍很多资料，它们的描述基本大同小异

2020-06-21 11:16:53 6585 2

原创 SLAM学习：Gmapping建图下地图变形更新速度慢问题

一、问题描述首先，我在用Gmapping建图的时候发现扫描出来的地图更新速度很慢然后还有就是地图的完整性不高容易变形扭曲，我们在一般在路径规划前需要用适当的建图算法把地图创建出来然后保存方可进行全局路径规划，但是如果地图创建出来扭曲完整性不高那么在后面的路径规划中也更谈不上规划，问题如下图所示二、问题解决其实主要是修改Gmapping的配置文件，因为官方的配置文件不可以直接用一定要视具体情况而作出修改在gmapping.launch文件中修改<launch> <arg

2020-05-21 14:22:12 4113 5

原创 SLAM学习：使用move_base无法动态实现实时避障

前言首先

2020-05-21 10:54:33 2820

原创 SLAM学习：基于Cartographer算法下使用自己构建的机器人完成建图

前言为了能够真实模拟实验室的Autolabor_pro1小车，我就自己用solidworks2018基本仿画出Autolabor模型，当然我知道官网有urdf文件但是好像官方的只有一个车子的base部分没有其他任何对外的传感器，因此我就索性自己利用solidworks构建自己的机器人然后转换成urdf文件然后自己构建仿真地图环境。然后这里记录了我在试验Cartographer算法时遇到的一些问题（至少对我来说困惑了很久）。一、配置关于cartographer的launch文件其实配置launch文件很

2020-05-16 01:09:38 2085 3

原创 SLAM学习：Solidworks2018导出小车URDF模型下遇到的问题

这是我在用SW2018来自己画一个autolabor小车装配体然后转成urdf文件时遇到的问题，首先先晒出我的装配体模型。转成urdf模型的步骤我不想多说自己可以看古月居的视频或者百度上面自己搜索或者官网上教程这很简单不是很难。在导出后得到一个功能包，然后把功能包转移到Ubuntu下的ROS工作空间里面去尝试能否正常显示出来。当我运行display.launch文件的时候出现了以下情况这个情况纯属是我自己的粗心导致可以看到很明显的error提示，我有一个joint重复了，后来发现是因为我在soil

2020-05-10 01:16:31 4554 8

Jetson-TX2手动安装CUDA和Cudnn.pdf

空空如也