LordofRobots的博客

Python Multi-Processing多线程编程[TOC] 今天总结一下Python的Multi-Processing多线程编程。创建多进程的方法start new thread使用thread.start_new_thread是一种最简单的创建多进程的方法。#!/usr/bin/pythonimport threadimport time# Define a function for

实在是闲来无事，就写写排序算法吧。1. python实现冒泡排序。# -*- coding: UTF-8 -*-import randomlist = []for i in range(10): list.append(round(random.uniform(1,100),1))def sort(arr): i = len(arr) while i >= 0: f

ROS Service的使用_PythonROS Service的使用_PythonRos的Service和TopicPython ServerPython ClientRos的Service和Topic二者都是ROS中节点间进行通信的方法。Topic采用的是广播/订阅的模式，没有反馈值，也就是发送的节点不知道谁会接收或者接收到没有。Service则采用request/response的模式

使用Tensorflow进行深度学习训练的时候，需要对训练好的网络模型和各种参数进行保存，以便在此基础上继续训练或者使用。介绍这方面的博客有很多，我发现写的最好的是这一篇官方英文介绍：http://cv-tricks.com/tensorflow-tutorial/save-restore-tensorflow-models-quick-complete-tutorial/我对这篇文章

c++运算速度快于python，python简单易写。很多时候对于已有的c++代码也不想用python重写，此时就自然而然地想到用python调用c或者c++，两全其美。 然而根据这些博客的说法，python只能实现c的调用，如果需要调用c++，还需要对c++代码进行额外的处理。 首先是python调用c代码。//gcc -g -o libpycall_c.so -shared -fPIC py

简介主要接口API使用举例操作复杂对象和ROS结合简介官方API 这个模块主要是做数据串行化和串行化数据解析的，pickle是python语言的库，cPickle是C语言写的，后者的执行速度是前者的1000倍。但是cPickle对少数模块不支持。 使用这两个库的数据必须是python相关的，否则其他非python语言可能无法解析这些串行化数据。主要接口pickle.dump(obj, f

Learning note SeptemberLearning note SeptemberPython 矩阵运算和三角函数python gzipzlib 模块的使用python读文件时的几种权限问题gvimvim的使用ROS的tf包坐标变换方法

Regularizer是防止网络过拟合的一种有效方法。这篇文章主要探讨如何在自己的网络模型中加入正则化，防止过拟合。首先我们看一下正则化的基本使用方法，这篇博客给出了一个使用的例子：http://www.cnblogs.com/linyuanzhou/p/6923607.html#!/usr/bin/env python#-*- coding:utf-8 -*-########

通过一个小程序实验了Python中父类和子类的一些性质，直接上代码：# -*- coding: UTF-8 -*-class ParentClass: def __init__(self): self.start() def start(self): print "parent method" def count(self): print "1111" self.nu

# -*- coding: UTF-8 -*-#using of mapdef add(num): return num + 2lt = [1,2,3,4]rs = map(add, lt)print rs #[3, 4, 5, 6]rs2 = map(str, lt)print rs2 #['1', '2', '3', '4']#decimal control f

在编程中常常需要用到一些文件或者存储的路径。此时如果在程序中用到绝对路径，代码的迁移性就会比较差。因此需要使用相对路径。在c++中，可以在程序中直接使用路径，即默认为当前程序的运行路径：int result = remove("../src/pic1.jpg");当然也可以通过其他方式获取当前路径：（头文件：#include ） char bu[200]; char* buf

最近在做深度学习，需要采用多进程的方式实现数据处理。为了实现数据的快速处理，我先后尝试了把数据一口气读入内存、多线程和多进程的方式。当然，肯定是多进程双队列的方式最好，因为可以充分利用多核和cpu。一般来说导入队列可以这样操作：import Queuemyqueue = Queue.Queue(100)但是这种队列不是同步队列，在多进程中不能用于通信。在多进程中，需要这样使用：

使用tensorflow自带的tf.random_crop()、tf.image.random_flip_left_right()、以及random_contrast()等函数处理图像数据时，不仅需要使用session，而且处理速度非常慢。使用Pillow库完成这些函数接口，在实际数据处理时就非常快速和方便。#!/usr/bin/env python#-*- coding:utf-8 -*-

在网上找了很多这方面的教程，发现大多数都不好用，于是自己在原有的基础上修改了一个，分享给大家。# coding:utf-8import cv2import sysimport osreload(sys)sys.setdefaultencoding('utf8')cap = cv2.VideoCapture(0)cap.set(3,640)cap.set(4,480)

当需要使用python读取配置文件时，需要使用到python的ConfigParser模块。下面举个栗子。首先创建init格式的配置文件0.init：[global]id = 0object_x = 0.003[world]id = 12object_x = 0.14在python中读取并使用配置文件中的内容：#! /usr/bin/pythonimport Con

首先是c++版本：#include #include using namespace std;using namespace cv;int main(int argc, char** argv){ VideoCapture capture(0); //通过输入设备号控制采集使用的摄像头，一般0代表笔记本自带摄像头。 Mat frame,im; captu

定义在函数内部的变量拥有一个局部作用域，定义在函数外的拥有全局作用域。局部变量只能在其被声明的函数内部访问，而全局变量可以在整个程序范围内访问。调用函数时，所有在函数内声明的变量名称都将被加入到作用域中。#!/usr/bin/python# -*- coding: UTF-8 -*-total = 0; # 这是一个全局变量# 可写函数说明def sum( a

从URDF到KDL(C++&Python)毕竟我也是一个搞机器人的，今天就来写一些和机器人紧密相关的事情。从URDF到KDLCPythonKDL 简介URDF模型KDL CKDL PythonKDL 简介PyKDL是一个神奇的库。里面包含了KDL库与vector，rotation, frame, kinematics, dynamics的相关函数和接口。计算机器人学中的运动学/动力学和坐标变