fyc300的博客

将划分好的点云输送到端到端的网络结构中，以端到端的方式从点云中学习判别性特征表示并预测准确的 3D 边界框

代码】【 VFE------多层体素特征编码——Stacked Voxel Feature Encoding】

文章目录前言一、Nvidia 计算平台二、外接ssd硬盘三、将根系统挂载到ssd硬盘搜索 软件 Disks四、一步完成在当前文件夹下，打开终端，输入以下的命令重启计算平台，大功告成！！！总结前言最近，在使用Nvidia 的计算平台时遇到内存不够的问题，很是麻烦，装几个软件，就将其自带的内存空间占用大部分，因为自己需要利用计算平台进行激光雷达的数据采集，数据量很大，不得不想办法，扩充一下内存！！！！！一、Nvidia 计算平台实验室提供了充足的设备，这里我们用 NVIDIA Jetson AGX

提示：深度学习框架文章目录前言深度学习的总的框架包括以下一些内容：就是对于我们所要的数据进行相关的预处理。包括数据格式的统一以及必要的数据转换，同时进行训练数据集和测试数据集的划分，选择我们所需要的模型，设定相应的损失函数以及优化函数和对应的超参数进行相应的设置，最后使用模型去拟合训练集数据，在验证集和测试集上计算模型表现。一、基本配置方案一：使用os.environ，这种情况如果使用GPU不需要设置方案二：使用“device”，后续对要使用GPU的变量用.to(device)即可二、数据读入1.da.

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录内容一、换源1.直接在 *软件与更新* 里进行修改2.终端代码进行换源二、安装NVIDIA CUDA三、Anaconda1.下载anaconda2.安装anaconda3.安装gedit4.添加环境变量：5.在文件中末尾粘贴下面的两行，保存退出：6.更新环境：7.用anaconda创建pcdet环境：三、Pytorch6.更新环境：6.更新环境：6.更新环境：1.引入库二、使用步骤1.引入库2.读入数据总结内容主要.

段错误（核心已转储）——运行PV-RCNN代码 python demo.py：提示：这里简述项目相关背景：例如：项目场景：示例:通过蓝牙芯片(HC-05)与手机 APP 通信，每隔 5s 传输一批传感器数据(不是很大)问题描述：提示：这里描述项目中遇到的问题：例如：数据传输过程中数据不时出现丢失的情况，偶尔会丢失一部分数据APP 中接收数据代码：@Override public void run() { bytes = mmInStream.read

比较好看的几种常见字体颜色例如：font color=#4875FF例如：font color=#698B69例如：font color=#5CACEE例如：font color=#EE4000例如：font color=#EE1289例如：font color=#EEAD0E例如：font color=#BA55D3例如：font color=#CD0000例如：font color=#B22222例如：font color=#FF4500例如：font color=#FF7F24

基于圆柱体坐标系和非对称卷积的点云分割算法Cylindrical and Asymmetrical 3D Convolution Network for LiDAR Segmentation——祝新革文章目录基于圆柱体坐标系和非对称卷积的点云分割算法前言一、点云分割的历史工作？1.point-wise2.Projection-wise二、paper的创新点是什么？前言点云的分割任务对于给予的点云中的每一个点赋予语义信息一、点云分割的历史工作？1.point-wise基于点集的语

文章目录什么是 Ablation Study ？什么是 Ablation Study ？Ablation Study 是消融实验。可以理解为对比试验。采用控制变量的方法，选择相应的变量，来验证自己提出的某个理论或者方法的可行性、优于其他的方法。或是是用于表示自己提出的方法的作用效果到底有多好，可以起到一个怎样的作用，给读者带来更加直观的感受。注：奥卡姆剃刀法则，简单和复杂的方法能达到一样的效果，那么简单的方法更可靠。...

记录学习李宏毅机器学习的相关知识文章目录前言一、机器学习包括哪些？二、机器学习需要些什么？三、机器学习任务有哪些？1.回归 Regression2.分类 Classification3.结构化学习 Structured Learning四、机器学习模型有哪些？1.简单的线性模型2.复杂的非线性模型前言人工智慧 AI Artificial Intelligence 希望机器可以跟人一样的聪明人工智能是我们想要达成的目标，而机器学习是我们想要达成目标的手段，通过机器学习的

西瓜书 * 南瓜书 * 机器学习 * 周志华 * 第二章 * 学习小结第二章 模型评估与选择2.1 经验误差与过拟合错误率 ：分类错误的样本数占样本总数的比例，即如果在m 个样本中有α 个样本分类错误，则错误率E = α / m;精度：1 一 α / m，精度=1一错误率；把学习器的 实际预测输出 与样本的 真实输出 之间的 差异 称为 "误差"学习器在训练集上的误差称为 训练误差(training error)或经验误差 (empirical error) ，在新

西瓜书* 南瓜书 * 机器学习 * 周志华 * 第一章 * 学习小结第一章 绪论1.1 绪论通过一个关于 瓜 的故事引入了对于机器学习这门课的学习。机器学习正是这样一门学科，它致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。1.2基本术语数据集 data set示例 instance样本 sample属性 attribute特征 feature属性值 attribute value属性空间 attribute space样本空间 sampl

深度学习](https://img-blog.csdnimg.cn/20210315233723645