<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[m0_37598149的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/m0_37598149</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; m0_37598149]]></copyright><item><title><![CDATA[Linux坏境下：  APM飞行器    SITL仿真坏境搭建]]></title><link>https://blog.youkuaiyun.com/m0_37598149/article/details/85862071</link><guid>https://blog.youkuaiyun.com/m0_37598149/article/details/85862071</guid><author>m0_37598149</author><pubDate>Sat, 05 Jan 2019 17:54:31 +0800</pubDate><description><![CDATA[APM的代码中集成了仿真程序，只需要做一些简单的设置就可以方便地搭建出一个运行在电脑上的完全模拟真实飞行的仿真环境。

参考：

http://ardupilot.org/dev/docs/setting-up-sitl-on-linux.html

Ubuntu16.04（这是我仿真的环境）、python2.7

一、下载ardupilot源代码

（也可以根据飞控版本下载，如PIX2.6对应C...]]></description><category></category></item><item><title><![CDATA[px4飞行日志]]></title><link>https://blog.youkuaiyun.com/m0_37598149/article/details/85372770</link><guid>https://blog.youkuaiyun.com/m0_37598149/article/details/85372770</guid><author>m0_37598149</author><pubDate>Sun, 30 Dec 2018 10:30:59 +0800</pubDate><description><![CDATA[        px4飞行日志共有四种格式：.log文件、.bin文件、.ulg文件和.px4log文件，其中前两种为早期的PX4固件生成的文件格式，其数据记录的相关文件为sd2log，新版固件生成的文件格式为后面两种，相关文件为logger文件。所以具体需要生成哪种格式的文件取决于你所使用的固件以及在地面站上设置的文件格式。
        如果我们需要将其转换成.csv、.txt等文件来用ma...]]></description><category></category></item><item><title><![CDATA[OHEM(Online Hard Example Mining)算法]]></title><link>https://blog.youkuaiyun.com/m0_37598149/article/details/82662415</link><guid>https://blog.youkuaiyun.com/m0_37598149/article/details/82662415</guid><author>m0_37598149</author><pubDate>Wed, 12 Sep 2018 15:32:26 +0800</pubDate><description><![CDATA[文章提出了一种通过online hard example mining（OHEM）算法训练基于区域的卷积检测算子的高效目标检测算法，能够对简单样本和一些小数量样本进行抑制，使得训练过程更加高效。该方法利用显著的bootstrapping技术（SVM中被普遍利用），对SGD算法进行一定的修改，使得原有的region-based ConvNets的启发式学习和多参数可以被移除，并得到较准确稳定的检测结...]]></description><category></category></item><item><title><![CDATA[MTCNN的训练与测试小结]]></title><link>https://blog.youkuaiyun.com/m0_37598149/article/details/82659668</link><guid>https://blog.youkuaiyun.com/m0_37598149/article/details/82659668</guid><author>m0_37598149</author><pubDate>Wed, 12 Sep 2018 12:35:41 +0800</pubDate><description><![CDATA[本文重点介绍其中一篇关注度比较高的文章《Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks》也就是标题中提到的MTCNN。

MTCNN网络结构

训练数据：该算法训练数据来源于wider和celeba两个公开的数据库，wider提供人脸检测数据，在大图上标注了人脸框groundtr...]]></description><category></category></item><item><title><![CDATA[解决chrome主页被2345、360等篡改教程]]></title><link>https://blog.youkuaiyun.com/m0_37598149/article/details/82589794</link><guid>https://blog.youkuaiyun.com/m0_37598149/article/details/82589794</guid><author>m0_37598149</author><pubDate>Mon, 10 Sep 2018 15:01:50 +0800</pubDate><description><![CDATA[按照下面的方式去排查就可以一定能解决你的问题，如果不行的话你来打我呀–！。如果问题解决了希望你能推荐给其他人。(提示:检查下杀毒软件有没有绑定浏览器主页。)


方式一


      查找到源程序位置，修改源文件的文件名。然后删除旧的快捷方式，重新将改名后的源程序的快捷发送到桌面就好了。如下： 
      找到源文件 
      修改后重新发送到桌面 


方式二


      以上方式还...]]></description><category></category></item><item><title><![CDATA[Python中对数组的操作小结]]></title><link>https://blog.youkuaiyun.com/m0_37598149/article/details/82562155</link><guid>https://blog.youkuaiyun.com/m0_37598149/article/details/82562155</guid><author>m0_37598149</author><pubDate>Sun, 09 Sep 2018 20:53:54 +0800</pubDate><description><![CDATA[对于Python中Array对象的操作，我们平时使用比较频繁的一般也就是三维的矩阵了，再高维度的处理方式是相同的，

这里只针对三维和二维的使用。

对于X[:,0];

是取二维数组中第一维的所有数据

对于X[:,1]

是取二维数组中第二维的所有数据

对于X[:,m:n]

是取二维数组中第m维到第n-1维的所有数据

对于X[:,:,0]

是取三维矩阵中第一维的所有数据

对于X[:,...]]></description><category></category></item><item><title><![CDATA[windows7  tensorflow-gpu 安装教程]]></title><link>https://blog.youkuaiyun.com/m0_37598149/article/details/81047004</link><guid>https://blog.youkuaiyun.com/m0_37598149/article/details/81047004</guid><author>m0_37598149</author><pubDate>Sat, 14 Jul 2018 20:13:52 +0800</pubDate><description><![CDATA[1、电脑要有python3.5的坏境。2、安装cuda9.0，官网下载3、下载cudnn7.0，解压，并将里面对应文件夹下的文件复制到cuda对应的安装目录下。4、安装pycharm，导入tensorflow1.8版本，测试能正常工作。可通过pip下载虚拟环境导入tensorflow测试。参考：https://www.tensorflow.org/install/install_linux#Ins...]]></description><category></category></item><item><title><![CDATA[tensorflow 系列 batch normalization]]></title><link>https://blog.youkuaiyun.com/m0_37598149/article/details/80982420</link><guid>https://blog.youkuaiyun.com/m0_37598149/article/details/80982420</guid><author>m0_37598149</author><pubDate>Wed, 11 Jul 2018 14:53:27 +0800</pubDate><description><![CDATA[一、tf.nn.moments函数def moments(x, axes, name=None, keep_dims=False)x 输出的数据，形如 [batchsize, height, width, kernels]axes 表示在哪个维度上求解，是个list，例如 [0, 1, 2]name 就是个名字，不多解释keep_dims 是否保持维度输出：Two Tensor objects: ...]]></description><category></category></item><item><title><![CDATA[小感想]]></title><link>https://blog.youkuaiyun.com/m0_37598149/article/details/80995490</link><guid>https://blog.youkuaiyun.com/m0_37598149/article/details/80995490</guid><author>m0_37598149</author><pubDate>Wed, 11 Jul 2018 09:51:47 +0800</pubDate><description><![CDATA[       如果金钱可以购买岁月，你愿意在你每月几千块的基础上，拿出一万元买一个月、二万买两个月，四万买三个月吗？你还在思考？然而流失的岁月是无价的，即便让你回到过去的某个节点，你就能保证未来就是明媚的？妄想。。改变心境、改变对生活态度也许才是我一直想要追寻的吧。...]]></description><category></category></item><item><title><![CDATA[tf.nn.conv2d卷积实现中”SAME“;]]></title><link>https://blog.youkuaiyun.com/m0_37598149/article/details/80981464</link><guid>https://blog.youkuaiyun.com/m0_37598149/article/details/80981464</guid><author>m0_37598149</author><pubDate>Tue, 10 Jul 2018 10:17:54 +0800</pubDate><description><![CDATA[tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)，第一个参数input：Tensor，[batch, in_height, in_width, in_channels]第二个参数filter：Tensor，[filter_height, filter_width, in_channels,...]]></description><category></category></item><item><title><![CDATA[git使用]]></title><link>https://blog.youkuaiyun.com/m0_37598149/article/details/80864816</link><guid>https://blog.youkuaiyun.com/m0_37598149/article/details/80864816</guid><author>m0_37598149</author><pubDate>Sat, 30 Jun 2018 11:01:39 +0800</pubDate><description><![CDATA[1、github新建pro2、git clone  地址到本地仓3、在本地仓进行文件的修改4、上传步骤：git add  要上传的东西，这是只是暂存在缓冲区，需要git commit -m “解释性文字”才能把暂存的东西发出5、git status 查看状态6、git push origial master 上传到githubover...]]></description><category></category></item><item><title><![CDATA[测试技术的牛人心得]]></title><link>https://blog.youkuaiyun.com/m0_37598149/article/details/80805872</link><guid>https://blog.youkuaiyun.com/m0_37598149/article/details/80805872</guid><author>m0_37598149</author><pubDate>Mon, 25 Jun 2018 18:46:10 +0800</pubDate><description><![CDATA[软件测试作为一个行业繁荣发展，也只是近四五年的事情，相关培训也是雨后春笋，自2011年入行，看过太多人转行，看过一些人带着未知想入行，真真是围城里的人想出去，围城外的人想进来。如果去网络上搜索相关信息，大都说，测试是个门槛低的行业，我曾经认同这个说法，现在对这个说法带保留意见，不过，每次别人问我在做什么的时候，我的回答一成不变：玩儿手机的。这么说一点儿都没有逗你的意思，2011年的时候，诺基亚虽已...]]></description><category></category></item><item><title><![CDATA[神经网络数学推算]]></title><link>https://blog.youkuaiyun.com/m0_37598149/article/details/80786560</link><guid>https://blog.youkuaiyun.com/m0_37598149/article/details/80786560</guid><author>m0_37598149</author><pubDate>Sat, 23 Jun 2018 20:02:05 +0800</pubDate><description><![CDATA[神经网络数学推算这是一个常见的神经网络的图：这是一个常见的三层神经网络的基本构成，Layer L1是输入层，Layer L2是隐含层，Layer L3是隐含层，当我们输入x1,x2,x3等数据时，通过隐含层的计算、转换，输出你的期望，当你的输入和输出是一样的时候，成为自编码模型（Auto-Encoder）,而当你输入和输出是不一致的时候，也就是我们常说的人工神经网络。2.  如何计算传播首先我们先...]]></description><category></category></item><item><title><![CDATA[神经网络的参数前向和反向推算]]></title><link>https://blog.youkuaiyun.com/m0_37598149/article/details/80784181</link><guid>https://blog.youkuaiyun.com/m0_37598149/article/details/80784181</guid><author>m0_37598149</author><pubDate>Sat, 23 Jun 2018 15:48:39 +0800</pubDate><description><![CDATA[python的pickle模块实现了基本的数据序列和反序列化。通过pickle模块的序列化操作我们能够将程序中运行的对象信息保存到文件中去，永久存储；通过pickle模块的反序列化操作，我们能够从文件中创建上一次程序保存的对象。python2使用的是cPickle模块，而在python3中cPickle已经被取消，取而代之的是pickle模块。开发过程中，我曾经遇到一个奇怪的问题，在读取一个文件时...]]></description><category></category></item><item><title><![CDATA[minist识别]]></title><link>https://blog.youkuaiyun.com/m0_37598149/article/details/80783845</link><guid>https://blog.youkuaiyun.com/m0_37598149/article/details/80783845</guid><author>m0_37598149</author><pubDate>Sat, 23 Jun 2018 15:20:09 +0800</pubDate><description><![CDATA[一.任务及数据就是自己写一个神经网络来实现对于MNIST数据集的手写体分类任务。作者提供了一个数据集，这里就使用作者的数据集。 MNIST数据集 下载下来直接放在工程目录里面就行了。 训练(train) : 50,000 验证(validation): 10,000 测试(test): 10,000 从任务和输入就能够得到大概的网络结构： 损失函数为二次误差函数 激活函数为sigmoid函数。二....]]></description><category></category></item><item><title><![CDATA[简单神经网络实现]]></title><link>https://blog.youkuaiyun.com/m0_37598149/article/details/80761258</link><guid>https://blog.youkuaiyun.com/m0_37598149/article/details/80761258</guid><author>m0_37598149</author><pubDate>Thu, 21 Jun 2018 15:29:16 +0800</pubDate><description><![CDATA[import numpy as np

# 定义神经网络结构
class Network(object):
    def __init__(self, sizes):
        # [3,2,1] 输入层3个神经元，隐藏层2个，输出层1个 定义总共有多少层，每一层有多少个神经元
        # 网络层数: 一共有多少层
        self.num_layers = len(siz...]]></description><category></category></item><item><title><![CDATA[tensorflow保存与提取变量]]></title><link>https://blog.youkuaiyun.com/m0_37598149/article/details/80747041</link><guid>https://blog.youkuaiyun.com/m0_37598149/article/details/80747041</guid><author>m0_37598149</author><pubDate>Wed, 20 Jun 2018 15:45:51 +0800</pubDate><description><![CDATA[# Create some variables.
import  tensorflow as tf
v1 = tf.Variable(5, name=&quot;v1&quot;)
v2 = tf.Variable(10, name=&quot;v2&quot;)
...
# Add an op to initialize the variables.
init_op = tf.initialize_all_variables()

#...]]></description><category></category></item></channel></rss>