- 博客(13)
- 收藏
- 关注
RSS订阅原创 Docker镜像迁移指南
本文提供了Docker镜像迁移的完整指南，适用于无法直接使用docker pull的场景。首先在有网环境中转机上登录NVIDIA NGC仓库并拉取镜像，然后通过docker save命令将镜像导出为tar文件。接着使用U盘/移动硬盘进行物理传输，最后在目标Ubuntu系统上通过docker load命令导入镜像。文章详细说明了每个步骤的操作命令和注意事项，特别是针对大文件传输时的存储空间要求和长时间等待提示。整个过程可实现Isaac Sim等大型Docker镜像的离线迁移。
2025-12-14 10:27:59
407
原创 PyTorch:一个简单的RNN模型训练（含对RNN的讲解以及代码）
循环神经网络（RNN）是一种专门处理序列数据的神经网络，具有记忆能力，能够捕捉时间序列或有序数据的动态信息。RNN在自然语言处理、语音识别和时间序列预测等领域有广泛应用。其核心结构包括输入层、隐藏层和输出层，隐藏状态在时间步之间传递，使得网络能够记住先前信息。RNN的基本计算涉及隐藏状态和输出的更新，通过循环结构处理任意长度的序列。RNN的类型包括基本RNN、LSTM和GRU，其中LSTM和GRU通过门控机制解决了基本RNN的梯度消失和长期依赖问题。RNN的优点是能够处理变长序列和捕获时间依赖关系，但存在梯
2025-05-22 11:35:21
1327
原创 PyTorch：一个简单的CNN模型训练（含代码）
卷积神经网络（CNN）是计算机视觉任务中的核心技术，其结构通常包括卷积层、激活函数、池化层和全连接层。卷积层通过局部感知、参数共享和特征提取等机制，有效捕捉图像特征，而池化层则通过降维和提取显著特征增强模型的鲁棒性。相比之下，全连接层在处理图像时存在参数过多、空间信息丢失和过拟合风险高等问题。因此，CNN通过卷积层和池化层的组合，能够更高效地处理具有空间结构的数据。在训练CNN模型时，使用GPU可以显著加速计算过程，代码中通过将模型和数据移动到GPU来实现这一优化。
2025-05-21 12:53:23
1552
原创 PyTorch自定义数据类的__getitem__ 方法
方法是自定义数据集类的核心，它定义了如何访问数据集中的单个样本。一个好的通过精心设计方法，你可以创建灵活、高效的数据加载流程，为模型训练提供良好的数据支持。
2025-05-20 11:19:28
1217
原创 yolov8转换成onnx格式的模型的使用方法（含代码）
第一行表示检测到一个目标，其边界框坐标为 [100.0, 150.0, 300.0, 400.0]，置信度分数为 0.95，类别索引为 2。
2025-01-29 12:59:09
1944
原创 json格式的标记文件转yolo格式（txt）的标记文件
我在使用anylabeling标记软件时发现导出的标记文件格式只能是json格式，而我yolov8训练模型的标记文件需要时txt格式的，所以我需要写一个转换脚本。
2025-01-28 08:52:38
1980
原创 PC端用ssh连接树莓派失败
由报错信息可知，问题出在.ssh/config文件的权限设置上。SSH对权限非常敏感，如果权限设置不正确，就会导致连接失败。
2025-01-24 20:52:29
938
原创 usart串口通信优化代码
openmv的数据要传递给单片机（其实只要是用数据帧的形式都可以用，包括树莓派等与单片机的通信），我们之前做的智能车项目发现大多数bug都出在主控有时会接收错误的数据以及数据卡死的情况。我们发现程序很容易被卡死在某一个数据上不动了，猜测是因为数据接收和处理放在一块处理，没有分离开，导致程序在处理数据时阻塞了接收流程，所以决定要把数据接收和处理彻底分开，发现几乎再没出现过这个bug了，说明代码改进的还是很成功的。
2025-01-24 10:29:46
1020
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人