<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Cameron_Rin的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Cameron_Rin</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Cameron_Rin]]></copyright><item><title><![CDATA[数字孪生之Gazebo导入自建场景(.obj文件)做仿真训练]]></title><link>https://blog.youkuaiyun.com/Cameron_Rin/article/details/130001701</link><guid>https://blog.youkuaiyun.com/Cameron_Rin/article/details/130001701</guid><author>Cameron_Rin</author><pubDate>Wed, 19 Apr 2023 15:03:30 +0800</pubDate><description><![CDATA[在现实场景中采集图像、雷达、imu数据，然后用重建算法重建出meshes文件，加载到仿真器中做仿真训练，实现数字孪生（digital twin）。]]></description><category></category></item><item><title><![CDATA[初识Embodied AI]]></title><link>https://blog.youkuaiyun.com/Cameron_Rin/article/details/127014158</link><guid>https://blog.youkuaiyun.com/Cameron_Rin/article/details/127014158</guid><author>Cameron_Rin</author><pubDate>Fri, 30 Dec 2022 13:12:00 +0800</pubDate><description><![CDATA[Internet AI: 用互联网数据比如wiki, youtube等预训练大模型(foundation model)，然后将预训练的大模型应用到下游的CV和NLP任务，经典模型如GPT-3，CLIP。（pretraining + finetune）]]></description><category></category></item><item><title><![CDATA[模型部署之NVIDIA AGX Xavier 配置和使用Torch，ONNX，TensorRT做模型推理]]></title><link>https://blog.youkuaiyun.com/Cameron_Rin/article/details/128442082</link><guid>https://blog.youkuaiyun.com/Cameron_Rin/article/details/128442082</guid><author>Cameron_Rin</author><pubDate>Mon, 26 Dec 2022 20:09:55 +0800</pubDate><description><![CDATA[Nvidia AGX Xavier 配置CUDA，PyTorch，ONNX，TensorRT，将深度学习模型部署到小车上，测试三个计算框架的性能]]></description><category></category></item><item><title><![CDATA[自动驾驶轨迹预测任务总结]]></title><link>https://blog.youkuaiyun.com/Cameron_Rin/article/details/127230016</link><guid>https://blog.youkuaiyun.com/Cameron_Rin/article/details/127230016</guid><author>Cameron_Rin</author><pubDate>Mon, 10 Oct 2022 10:58:43 +0800</pubDate><description><![CDATA[自动驾驶技术浅述：自动驾驶任务分为perception、prediction、planning三个阶段，目前大部分工作只单独考虑其中一个阶段，也有的工作在打通两两或三者之间的通路。]]></description><category></category></item><item><title><![CDATA[GAT, Self Attention, Cross Attention对比以及在自动驾驶轨迹预测任务中的pytorch应用]]></title><link>https://blog.youkuaiyun.com/Cameron_Rin/article/details/123706210</link><guid>https://blog.youkuaiyun.com/Cameron_Rin/article/details/123706210</guid><author>Cameron_Rin</author><pubDate>Wed, 30 Mar 2022 19:43:46 +0800</pubDate><description><![CDATA[1.Self Attention顾名思义，指不是Target和Source之间做Attend，而是Source内部元素之间或者Target内部元素之间发生的Attention机制，也可以理解为Target=Source这种特殊情况下的注意力计算机制。此时Query、Key和Value都来自Target或Source。
2.GAT和Self Attention本质都在做同样的事情，Self Attention利用 attention 机制将输入中的每个单词用其上下文所有单词的加权来表示，而 GAT 是利用 ]]></description><category></category></item><item><title><![CDATA[用multiprocessing.Queue自己编写进程池实现DataLoader(父子进程通信)]]></title><link>https://blog.youkuaiyun.com/Cameron_Rin/article/details/122571611</link><guid>https://blog.youkuaiyun.com/Cameron_Rin/article/details/122571611</guid><author>Cameron_Rin</author><pubDate>Wed, 19 Jan 2022 12:57:03 +0800</pubDate><description><![CDATA[multiprocess库提供了pool进程池，直接实现了多进程之间的通信，pool的使用场景也很多，这里不做介绍。但pool不能实现父子进程之间的通信，要想实现父子通信，需要自己用Queue写一个进程池，通过创建子队列和父队列来进行父子通信。这个用途就更广泛了，比如想要开多个子进程帮你处理一些数据或文件，最后把结果都收回到主进程，这也就是自己编写DataLoader，很多实际项目中需要自己写一个数据预处理代码，所以要自己重写DataLoader。]]></description><category></category></item><item><title><![CDATA[DistributedDataParallel（DDP）Pytorch 分布式训练示例及注意事项]]></title><link>https://blog.youkuaiyun.com/Cameron_Rin/article/details/122536261</link><guid>https://blog.youkuaiyun.com/Cameron_Rin/article/details/122536261</guid><author>Cameron_Rin</author><pubDate>Mon, 17 Jan 2022 12:42:31 +0800</pubDate><description><![CDATA[首先用torch.multiprocess的spawn库来自动开启多进程进行分布式训练，每个子进程自动对应一个GPU和一个DDP训练的模块；
在do_train函数中初始化DDP配置，并将model放置到指定GPU上，dataset指定sampler=train_sampler，然后training epoch部分用train_sampler.set_epoch(i_epoch)给每个epoch sample dataset，最后destroy process group。]]></description><category></category></item><item><title><![CDATA[Python 符号表达式运算与求解约束条件为优化问题的优化问题]]></title><link>https://blog.youkuaiyun.com/Cameron_Rin/article/details/121316025</link><guid>https://blog.youkuaiyun.com/Cameron_Rin/article/details/121316025</guid><author>Cameron_Rin</author><pubDate>Sun, 14 Nov 2021 15:09:57 +0800</pubDate><description><![CDATA[Background

信息论project， 求LDPC的variable nodes和check nodes的degree，即λ和ρ，使得code rate最大， 抛开背景，就是个优化问题，形式如下：

Analysis

这个优化问题的constraint非常特别，首先以一个多项式带入另一个多项式的x，自己算是没法算的，次数非常高，因此要先用符号运算求出constraint的表达式；

其次它在x的连续的区间内都要满足，引入了新的变量x，容易想到嵌套优化问题的思路，但直接scipy.optimize.]]></description><category></category></item><item><title><![CDATA[python 读取.properties文件]]></title><link>https://blog.youkuaiyun.com/Cameron_Rin/article/details/120789880</link><guid>https://blog.youkuaiyun.com/Cameron_Rin/article/details/120789880</guid><author>Cameron_Rin</author><pubDate>Fri, 15 Oct 2021 21:40:00 +0800</pubDate><description><![CDATA[以.properties为后缀名的文件是在Java开发中非常常用的一种用于存储可变参数的文件类型，例如不同环境的ip地址、端口号、账号密码，又或者是模型的超参数，都可以保存在这类文件中，这样就不需要在代码中找到每个变量的位置并修改。同样，在Python开发中也可以编写一个读取这个文件类型（当然Java还有很多优秀的编程思想，非常值得借鉴），流程非常简单。

    1. 编写读取.properties的文件：

    properties.py


# 读取Properti...]]></description><category></category></item><item><title><![CDATA[无网环境下离线安装pip三方库]]></title><link>https://blog.youkuaiyun.com/Cameron_Rin/article/details/120790606</link><guid>https://blog.youkuaiyun.com/Cameron_Rin/article/details/120790606</guid><author>Cameron_Rin</author><pubDate>Fri, 15 Oct 2021 21:27:40 +0800</pubDate><description><![CDATA[在写好一个python脚本后，有时需要放到linux服务器上使用，而服务器很有可能是没有联网的，无法直接用pip install下载脚本所需的三方库。这种情况下需要用到离线安装pip包的方法。

    1. 在有网环境下，将python脚本或整个python项目所需的三方库写入requirement.txt文本中，这里使用pipreqs三方库。


# 安装pipreqs包
pip install pipreqs

# 在项目文件路径下
pipreqs ./ 

# 如果gbk编码......]]></description><category></category></item><item><title><![CDATA[2021港中深通信工程硕士项目面经]]></title><link>https://blog.youkuaiyun.com/Cameron_Rin/article/details/117171569</link><guid>https://blog.youkuaiyun.com/Cameron_Rin/article/details/117171569</guid><author>Cameron_Rin</author><pubDate>Sat, 22 May 2021 21:48:21 +0800</pubDate><description><![CDATA[港中深通信工程硕士项目是2021年港中深新开设的专业，面向5G和后5G时代培养技术人才，也有读博的机会。具体专业介绍可以看这篇知乎https://zhuanlan.zhihu.com/p/283597526。这里不对专业做好坏评价，感兴趣的可以自己去了解，本文分享一下我申请2021港中文深圳校区通信工程硕士项目的笔试面试经历，因为我在准备笔试面试的时候在网上没搜到相关的面经，因此写这篇经验贴帮助以后申请的人。最终我收到了录取通知。

目录

1. 通信工程考核方式

2. 通信工程与数据科学不同点

3. ]]></description><category></category></item><item><title><![CDATA[用Turtlebot3实现基于深度强化学习的多移动机器人导航避障的仿真训练（附源码）]]></title><link>https://blog.youkuaiyun.com/Cameron_Rin/article/details/117027106</link><guid>https://blog.youkuaiyun.com/Cameron_Rin/article/details/117027106</guid><author>Cameron_Rin</author><pubDate>Wed, 19 May 2021 21:08:42 +0800</pubDate><description><![CDATA[用Turtlebot3实现基于深度强化学习的多移动机器人导航避障训练（附源码）
]]></description><category></category></item></channel></rss>