<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Memory]]></title><description><![CDATA[一个有点菜的新手程序猿。]]></description><link>https://blog.youkuaiyun.com/MemoryD</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; MemoryD]]></copyright><item><title><![CDATA[python自动更新chromedriver与chrome兼容]]></title><link>https://blog.youkuaiyun.com/MemoryD/article/details/113979853</link><guid>https://blog.youkuaiyun.com/MemoryD/article/details/113979853</guid><author>MemoryD</author><pubDate>Tue, 23 Feb 2021 11:56:04 +0800</pubDate><description><![CDATA[使用selenium自动化时，一个很烦的问题就是chrome会自动更新，然后chromedriver的版本就会不兼容，每次要查询版本下载解压很烦，因此开始寻找如何用脚本自动更新。
网上找到了一些脚本，但是感觉略显繁琐，因此我就自己修改了一下，逻辑很简洁：

通过注册表查询chrome版本号；
查询本地的chromedriver版本号；
查看两个版本号前三位是否一致，若不一致就到 http://npm.taobao.org/mirrors/chromedriver/ 查询当前chrome匹配的最新chrome]]></description><category></category></item><item><title><![CDATA[使用python利用ffmpeg合并mp4文件]]></title><link>https://blog.youkuaiyun.com/MemoryD/article/details/108952463</link><guid>https://blog.youkuaiyun.com/MemoryD/article/details/108952463</guid><author>MemoryD</author><pubDate>Wed, 07 Oct 2020 16:40:45 +0800</pubDate><description><![CDATA[talk is cheap, show you the code.
import subprocess
from pathlib import Path


def merge_mp4(mp4_dir: Path, output_mp4=None):
    '''使用ffmpeg拼接文件夹中的mp4视频
    :param mp4_dir: 存放mp4的文件夹
    :param output_mp4: 输出的mp4文件，若没有指定则使用文件夹的名字
    :return: None
    ''']]></description><category></category></item><item><title><![CDATA[【CVPR2020】3D目标检测论文汇总]]></title><link>https://blog.youkuaiyun.com/MemoryD/article/details/108615123</link><guid>https://blog.youkuaiyun.com/MemoryD/article/details/108615123</guid><author>MemoryD</author><pubDate>Wed, 16 Sep 2020 10:54:40 +0800</pubDate><description><![CDATA[文章目录1. 3D目标检测——室外1. Associate-3Ddet: Perceptual-to-Conceptual Association for 3D Point Cloud Object Detection2. Structure Aware Single-stage 3D Object Detection from Point Cloud3. PnPNet: End-to-End Perception and Prediction with Tracking in the Loop4. DOP]]></description><category></category></item><item><title><![CDATA[KITTI数据集原始数据（raw_data）下载地址]]></title><link>https://blog.youkuaiyun.com/MemoryD/article/details/108572184</link><guid>https://blog.youkuaiyun.com/MemoryD/article/details/108572184</guid><author>MemoryD</author><pubDate>Mon, 14 Sep 2020 09:08:20 +0800</pubDate><description><![CDATA[建议使用迅雷进行下载，亲测可以满速下载。
整个数据集大小约为180G，解压完也是180G。
https://s3.eu-central-1.amazonaws.com/avg-kitti/raw_data/2011_09_26_calib.zip
https://s3.eu-central-1.amazonaws.com/avg-kitti/raw_data/2011_09_26_drive_0001/2011_09_26_drive_0001_sync.zip
https://s3.eu-central-]]></description><category></category></item><item><title><![CDATA[Win10 下使用 pclpy 将 bin 转为 pcd]]></title><link>https://blog.youkuaiyun.com/MemoryD/article/details/108455887</link><guid>https://blog.youkuaiyun.com/MemoryD/article/details/108455887</guid><author>MemoryD</author><pubDate>Mon, 07 Sep 2020 21:07:47 +0800</pubDate><description><![CDATA[0. 前言
KITTI数据集的点云格式为 .bin，有时候需要转换为 .pcd，但是 pcl 库又太庞大，安装起来不方便，因此还是选择使用python来转换。试了很多种方法，感觉都不好，最后发现可以使用 pclpy 库来完成。
1. 安装 pclpy
pclpy 不支持 python3.8，因此我用 Anaconda 创建了一个 python3.6 的环境，在里面一开始是使用conda安装：
conda install -c conda-forge -c davidcaron pclpy

但是 impor]]></description><category></category></item><item><title><![CDATA[VirtualBox安装Ubuntu虚拟机]]></title><link>https://blog.youkuaiyun.com/MemoryD/article/details/108304952</link><guid>https://blog.youkuaiyun.com/MemoryD/article/details/108304952</guid><author>MemoryD</author><pubDate>Sun, 30 Aug 2020 12:28:42 +0800</pubDate><description><![CDATA[1. 安装VirtualBox
到 VirtualBox 下载并安装即可。
2. 下载Ubuntu镜像
镜像地址：


官方下载地址（比较慢）


中科大源


阿里云源


兰州大学源


北理工源


浙大源


选择自己需要的版本，我安装的是 ubuntu 16.04。
3.创建虚拟机


点击新建



名称随便填，文件夹可以使用默认的也可以自己改，然后选一下类型。



分配内存，我有16G的内存，所以分了4G给虚拟机。



现在创建虚拟硬盘。



选择VDI类型。



动态分配就是用到了再]]></description><category></category></item><item><title><![CDATA[Win10下使用源码安装mayavi+3D点云可视化]]></title><link>https://blog.youkuaiyun.com/MemoryD/article/details/107937686</link><guid>https://blog.youkuaiyun.com/MemoryD/article/details/107937686</guid><author>MemoryD</author><pubDate>Tue, 11 Aug 2020 16:20:43 +0800</pubDate><description><![CDATA[每次安装 mayavi 都要折腾老半天，之前写了一篇 Windows10+Python2.7下安装mayavi，其核心思想就是通过 Unofficial Windows Binaries for Python Extension Packages 找到别人编译好的 .whl 文件进行安装，但是这次发现找不到需要的文件了。
然后我先不死心的尝试了 pip 和 conda 安装，全都失败了，最后选择了从源码进行安装，没想到还真行。
环境配置
我是在 Anaconda 里面安装的，python 3.6.10，电脑]]></description><category></category></item><item><title><![CDATA[ROSBAG使用(二)：使用python提取bag中的图像和点云]]></title><link>https://blog.youkuaiyun.com/MemoryD/article/details/105174348</link><guid>https://blog.youkuaiyun.com/MemoryD/article/details/105174348</guid><author>MemoryD</author><pubDate>Sun, 29 Mar 2020 10:29:05 +0800</pubDate><description><![CDATA[1.1 载入
ROS提供了解析 bag 的python API，载入一个 bag 文件可以：
import rosbag

bag_file = 'test.bag'
bag = rosbag.Bag(bag_file, "r")

1.2 读取信息
info = bag.get_type_and_topic_info()
print(info)

可以得到类似如下的信息：
TypesAndTop...]]></description><category></category></item><item><title><![CDATA[ROSBAG使用(一)：可视化bag文件]]></title><link>https://blog.youkuaiyun.com/MemoryD/article/details/105174327</link><guid>https://blog.youkuaiyun.com/MemoryD/article/details/105174327</guid><author>MemoryD</author><pubDate>Sun, 29 Mar 2020 10:27:29 +0800</pubDate><description><![CDATA[安装ROS可以参考：Win10安装ROS
注：以下的命令行指的都是经过 ROS 的 setup.bat 的。


首先，打开一个命令行，运行：
roscore

基本上，使用ROS的服务之前，都要先启动这个。


然后，查看要可视化的 bag 信息：
rosbag info bagname.bag

我的结果如下：
path:        2019-01-26-09-53-54_0.bag
ve...]]></description><category></category></item><item><title><![CDATA[Win10安装ROS]]></title><link>https://blog.youkuaiyun.com/MemoryD/article/details/105159337</link><guid>https://blog.youkuaiyun.com/MemoryD/article/details/105159337</guid><author>MemoryD</author><pubDate>Sat, 28 Mar 2020 12:53:50 +0800</pubDate><description><![CDATA[0. 前言
因为疫情不能开学，因此就在自己的电脑上配置ROS的环境，起因是为了解析 .bag 包，废了好大力气配置好ROS2以后，终于开始处理数据，但是后续发现数据应该是在ROS平台下采集的，在ROS2里面有很大的问题，因此只能再配置ROS的环境。
因为在安装过程中踩了一些坑，所以在这里做一下整理，以后在其他机子上配置可以用到。
温馨提示：很多软件包在国内下载速度十分感人，甚至经常无法连接，所以有...]]></description><category></category></item><item><title><![CDATA[Ubuntu下gcc&g++多版本切换 / 使用Sublime编译运行C++]]></title><link>https://blog.youkuaiyun.com/MemoryD/article/details/101267219</link><guid>https://blog.youkuaiyun.com/MemoryD/article/details/101267219</guid><author>MemoryD</author><pubDate>Tue, 24 Sep 2019 10:32:48 +0800</pubDate><description><![CDATA[1. gcc&amp;g++ 多版本切换
1.1 安装gcc&amp;g++


电脑上已经有了 gcc 5.4，但是一些事情需要 gcc 4.9 ，因此先安装：
sudo apt-get install gcc-4.9 gcc-4.9-multilib g++-4.9 g++-4.9-multilib



安装完成后，可以查看电脑上安装的 gcc 版本：
ls /usr/bin/gcc*

我...]]></description><category></category></item><item><title><![CDATA[Ubuntu下Nvidia显卡驱动安装]]></title><link>https://blog.youkuaiyun.com/MemoryD/article/details/101053181</link><guid>https://blog.youkuaiyun.com/MemoryD/article/details/101053181</guid><author>MemoryD</author><pubDate>Fri, 20 Sep 2019 10:40:11 +0800</pubDate><description><![CDATA[1. 下载显卡驱动
到 Nvidia官网 查询自己的显卡驱动，下载。
2. 禁用 nouveau


新建文件 blacklist-nouveau.conf：
sudo gedit /etc/modprobe.d/blacklist-nouveau.conf



往文件中写入以下内容并保存文件。
blacklist nouveau
blacklist lbm-nouveau
options no...]]></description><category></category></item><item><title><![CDATA[Python使用图片作为像素生成像素画]]></title><link>https://blog.youkuaiyun.com/MemoryD/article/details/95382000</link><guid>https://blog.youkuaiyun.com/MemoryD/article/details/95382000</guid><author>MemoryD</author><pubDate>Wed, 10 Jul 2019 21:20:58 +0800</pubDate><description><![CDATA[具体见代码。
#!python3
# -*- coding: utf-8 -*-

import os
import math
from PIL import Image


class ProcessBar(object):
    """一个打印进度条的类"""
    def __init__(self, total):  # 初始化传入总数
        self.shape = ['▏...]]></description><category></category></item><item><title><![CDATA[使用Python实现一个命令行进度条]]></title><link>https://blog.youkuaiyun.com/MemoryD/article/details/95378917</link><guid>https://blog.youkuaiyun.com/MemoryD/article/details/95378917</guid><author>MemoryD</author><pubDate>Wed, 10 Jul 2019 21:03:07 +0800</pubDate><description><![CDATA[原理很简单粗暴，利用 print 的转义字符 \r 回到行首，然后重写这一行，以此达到一种动态的效果。
代码如下：
import math

class ProcessBar(object):
    """一个打印进度条的类"""
    def __init__(self, total):  # 初始化传入总数
        self.shape = ['▏', '▎', '▍', '▋',...]]></description><category></category></item><item><title><![CDATA[Windows10+Python2.7下安装mayavi]]></title><link>https://blog.youkuaiyun.com/MemoryD/article/details/90262077</link><guid>https://blog.youkuaiyun.com/MemoryD/article/details/90262077</guid><author>MemoryD</author><pubDate>Thu, 16 May 2019 14:58:18 +0800</pubDate><description><![CDATA[1.错误示范
一开始使用 Winpython环境下mayavi配置 中的方法进行安装，但是在 import mayavi.mlab as mlab 时会发生如下错误：
&gt;&gt; import mayavi.mlab as mlab
Traceback (most recent call last):
  File "&lt;stdin&gt;", line 1, in &lt;module...]]></description><category></category></item><item><title><![CDATA[rrc_detection+caffe 环境搭建/测试结果]]></title><link>https://blog.youkuaiyun.com/MemoryD/article/details/89598447</link><guid>https://blog.youkuaiyun.com/MemoryD/article/details/89598447</guid><author>MemoryD</author><pubDate>Sat, 27 Apr 2019 10:24:34 +0800</pubDate><description><![CDATA[0. 环境

Ubuntu 16.04
cuda 8.0 + cudnn 5.1
python 2.7
protobuf 2.6.1
opencv 3.1

因为 rrc_detection 年代比较久远了，所以用的都是一些比较旧的环境。
以上这些配置都是在我踩了无数次坑以后才得出来的，都是泪。
0.1 cuda7.5+cudnn 5.0
rrc-github 里面是说需要 cuda7.5+cud...]]></description><category></category></item><item><title><![CDATA[Linux 基础环境配置 / 美化 / 常用软件安装（长期更新）]]></title><link>https://blog.youkuaiyun.com/MemoryD/article/details/89578577</link><guid>https://blog.youkuaiyun.com/MemoryD/article/details/89578577</guid><author>MemoryD</author><pubDate>Fri, 26 Apr 2019 23:28:20 +0800</pubDate><description><![CDATA[0. 前言
因为经常要重装ubuntu，但是这玩意儿重装起来又很麻烦，每次都要配置好久，所以写个汇总，以后配置起来方便一点。
重装系统的时候参考 重装Ubuntu时如何保留/home分区中的数据，可以省去很多工夫。
1. 基础环境配置
1.1 换源
因为apt-get update的速度实在太慢，故换成国内镜像，我换成了清华大学的源。
备份
sudo cp /etc/apt/sources.lis...]]></description><category></category></item><item><title><![CDATA[Ubuntu tty下无法输入密码 / Ubuntu 内核安装]]></title><link>https://blog.youkuaiyun.com/MemoryD/article/details/89578494</link><guid>https://blog.youkuaiyun.com/MemoryD/article/details/89578494</guid><author>MemoryD</author><pubDate>Fri, 26 Apr 2019 23:19:22 +0800</pubDate><description><![CDATA[1. 问题
在安装Nvidia驱动时，需要按 ctrl+alt+F1 切换到纯命令行模式，然后输入用户名密码登录。
但是出现了一个很诡异的问题，当时没有截图，我描述一下：

输入用户名并且回车以后，正常来讲会叫你输入密码，但是我这里直接跳到了输入密码的下一行，过几秒钟后，显示 login incorrect，并且让你重新输入用户名登录，然后无限循环。
我试着在输入用户名以后快速输入密码，大家都知道...]]></description><category></category></item><item><title><![CDATA[KITTI 的物体检测基准的 readme]]></title><link>https://blog.youkuaiyun.com/MemoryD/article/details/89577911</link><guid>https://blog.youkuaiyun.com/MemoryD/article/details/89577911</guid><author>MemoryD</author><pubDate>Fri, 26 Apr 2019 22:30:31 +0800</pubDate><description><![CDATA[翻译成中文方便查阅。

0. 介绍
此文件描述了KITTI 2D物体检测，方向估计基准，3D物体检测基准和鸟瞰视图基准。
基准包括每项任务的7481个训练图像（和点云）和7518个测试图像（和点云）。
尽管我们已经标记了8个不同的类，但在我们的基准测试中只评估了 Car和 Pedestrian 类，因为只有那些类已经标记了足够的全面评估实例。标记过程分两步进行：首先，我们使用了一组注释器，在点云...]]></description><category></category></item><item><title><![CDATA[吴恩达机器学习 第二章 单变量线性回归]]></title><link>https://blog.youkuaiyun.com/MemoryD/article/details/86137671</link><guid>https://blog.youkuaiyun.com/MemoryD/article/details/86137671</guid><author>MemoryD</author><pubDate>Wed, 09 Jan 2019 11:09:15 +0800</pubDate><description><![CDATA[本文中所有的图片均来自 网易云课堂 - 吴恩达机器学习 的视频截图。
课时6 模型描述
假设你的朋友在北京有一套100平的房子要卖，你可以利用一组北京的已知房子大小和房价的数据进行模型拟合，这样子就可以预测一个数值。这个问题属于 监督学习，因为我们事先知道了不同大小的房子对应的房价是多少。同时，这个问题也属于 回归，因为我们预测的房价是一个连续性的输出。另一种常用的监督学习方式 分类，其预测的输出...]]></description><category></category></item></channel></rss>