自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(26)
  • 收藏
  • 关注

原创 tensorflow1升级tf2 actor中tf.gradient->tf.GrandientTape

动态计算梯度:在每次训练时,使用动态计算梯度,而不是在类初始化时预定义。动态应用优化器:我们在train函数中计算梯度后,直接使用来更新权重。通过这样的修改,代码不会报错,并且可以适应 TensorFlow 2.x 的 Eager Execution 模式。如果还有其他问题或不确定的地方,请继续告诉我!

2024-09-23 11:05:52 461

原创 ubuntu20.04从零开始安装docker

这里我必须安装指定版本的,即docker--26.0.0,docker-compose--1.29.2

2024-09-14 13:51:59 419

原创 安全关键场景生成概述

自动驾驶场景生成的概述记录

2024-08-26 11:33:07 483

原创 Savitzky-Golay滤波器和sEMA(对称指数Moving Average)两个方法之间的区别与示例代码

Savitzky-Golay 滤波器是一种通过多项式拟合进行平滑的方法。它可以在保持信号整体趋势和结构的情况下减少噪声,适用于需要保留信号峰值和细节的场景。对称指数移动平均(sEMA)是一种平滑时间序列数据的简单方法,通过对当前数据点和之前的平滑结果进行加权平均来消除噪声。这两种方法各有优缺点,具体选择哪一种方法需要根据数据的特点和实际应用场景来决定。

2024-06-04 11:45:38 565 1

原创 Ubuntu显示“ping displays “Name or service not known“”

ping不通github.com

2024-05-29 21:19:30 622

原创 CARLA安装全记录 (24.05.29新版安装)

之前一直用carla的release版本,最近正好有比赛要用carla,就希望安装一个build版本,安装时间用了一下午,其中有几个坑,走过填一下,方便之后再弄忘了

2024-05-29 11:38:01 1688

原创 docker开发记录

【代码】docker开发记录。

2024-05-28 15:13:29 218

原创 DORA常用指令集合

运行dora的数据流(数据流中定义各个数据处理节点)初步开发者记录一下,后续再有再回来填坑。

2024-05-28 09:51:06 290

原创 NGSIM数据集US101的跟车场景的提取

数据集很大,在读取数据的时候建议只读取自己需要的列。什么全局坐标之类的就不用提取了,筛选车辆的类型。只保留自己需要的车辆类型,摩托车啥的都去掉到这一步,就可以开始提取跟驰事件了。,我看了网上的帖子应该不需要太复杂的。

2024-05-23 17:16:28 2152 4

原创 sEMA处理NGSIM US101数据学习过程记录

是在统计和机器学习中用于核密度估计(Kernel Density Estimation, KDE)的平滑函数,目的是对数据进行平滑处理,从而得到数据的概率密度函数。核密度估计是一种无参数的方法,通过将核函数应用于每一个数据点,并对所有点进行加权求和,来估计数据的概率密度。通过这种方法,sEMA 平滑算法能够有效减少原始数据中的噪声,提供更加平滑和准确的速度及加速度信息,从而提高轨迹数据的可靠性和应用价值。平滑后的位置、速度和加速度数据**:用于后续的轨迹分析和模型验证。- K 是核函数,常见的有高斯核等。

2024-05-21 10:23:54 606

原创 深度学习实验数据可视化优化

最近在跑深度学习的模型,对于数据的可视化真的是个大问题,要保证清晰凝练又要各种要素都包含,针对实验数据表现得过于复杂,有一个方式就是源数据作为底,经过滤波之后的数据作为趋势,名曰“平滑曲线图”,附上代码,觉得不好看的各位小伙伴也欢迎一起讨论。确实感觉很乱,有趋势,但是就是感觉很难看。然后我用python matplotlib加了一个高斯滤波,当然滤波值根据不同需要自己设置即可(主要是Origin没弄懂怎么玩hhh)。

2024-04-28 09:25:37 360 1

原创 强化学习学习分享(二)

是Weights & Biases的缩写,它是一个机器学习开发的平台,用于帮助研究者和工程师更有效地跟踪实验、可视化数据和分享研究成果。它提供了一套轻量级、灵活的工具,可以很容易地集成到现有的机器学习代码中,用于监控模型训练过程中的各种指标和日志。是目前机器学习实验管理和跟踪领域中非常受欢迎的工具之一,它通过提供详细的实验记录和深入的分析功能,极大地提高了研究和开发的效率。:方便地与团队成员分享实验结果和洞察,支持项目和实验的公开或私有设置,便于协作和知识共享。:保存模型的不同版本,方便回溯和比较。

2024-03-21 20:17:08 254 1

原创 IDM和MOBIL

在某些情况下,"训练"这些模型可能涉及到使用实际驾驶数据来优化这些参数,以便模型能够更准确地反映现实世界的驾驶行为。相反,这意味着通过调整现有模型框架内的参数,来使模型预测更加符合特定数据集或实验条件。总之,"训练"IDM和MOBIL模型主要是通过参数调整实现的,目的是让模型更好地适应特定的驾驶行为或实验设置,而不是从根本上改变模型的算法或结构。通过调整这些参数,可以改变车辆换道的侵略性和倾向性,例如更倾向于换道以提高自身速度,或更考虑到对其他车辆的影响。

2024-03-14 09:57:26 1621 1

原创 关于强化学习自定义highway-env环境

当然如果你有报错显示为gymnasium.error.NameNotFound:mymerge doesn't exist这个问题,也可以参看这个博文应该会有帮助。

2024-03-13 15:39:53 1426 1

原创 保姆式训练yolov5教程(有服务器版)

ls --展示当前文件夹下都有什么文件。安装yolov5的配套库。下载yolov5源代码。

2024-03-13 15:25:27 289

原创 git 报错:git@github.com: Permission denied (publickey).fatal: 无法读取远程仓库。

我输入git push -u origin master 想要push到github显示fatal: 无法读取远程仓库。请确认您有正确的访问权限并且仓库存在。

2023-11-30 16:26:59 2459

原创 Linux下使用Git上传和更新代码

说明:此处的使用origin是因为第三步在建立本地仓库时git init 指令后面没有给本地仓库命名,因此origin为缺省的名字。说明:如果没有保存github(码云)的登录账号和密码, 再执行此指令后会提示输入Username和Password,输入正确的github(码云)的登录账号和密码之后就会上传之前提交的代码。5、将本地的仓库关联到GitHub(码云)上对应的仓库,后面的https链接改成GitHub(码云)上对应的仓库的.git地址。1、查看本地代码和本地仓库中代码的区别。

2023-07-24 15:22:06 877

原创 Matlab Lidar Camara Calibrator使用方法及雷达点云对相机的标定

但是分辨率低,帧率低,易受恶劣天气(雨雾雪)影响,且激光雷达比较昂贵。得到标定结果如下:能看出标定板上覆盖了蓝色的点云,点云数据中也赋上了图片中的颜色,包括地砖的颜色,左下角为每幅图标定的标定误差,中间为像素误差,右边为重建误差。Matlab会自动导入数据并计算相机内参,然后开始进行相机和点云数据的处理,并进行自动标定,但自动标定结果一般较差,会提示没有探测到目标,这都是正常现象。首先选择Edit ROI,也就是划定一个棋盘格(标定板)的范围,不用太大,能将所有采样的标定板包含在内就行,如图所示。

2023-05-17 12:47:54 3021 12

原创 Matlab Camera Calibrator 使用教程

相机标定(Camera calibration)是从世界坐标系换到图像坐标系的过程,也就是求最终的投影矩阵 P的过程。在传统的相机模型中共有4种坐标系,标定的过程分为两个部分:第一步:从世界坐标系转换为相机坐标系,这一步是三维点到三维点的转换,包括R,t(相机外参)等参数;第二步:从相机坐标系转为图像坐标系,这一步是三维点到二维点的转换,包括K(相机内参)等参数;

2023-05-17 11:34:41 3130 3

原创 将Python程序脚本注册成为Ubuntu的开机自启动服务

在 /etc/systemd/system/ 下添加imgserver.service 文件随后编写service中的内容这里我是通过sh脚本来间接启动python脚本的。

2023-03-27 15:18:51 970

原创 Vue中const、var、let三个变量的区分

上面这段代码中,循环变量i是用var命令声明的,因此是在全局范围内都有效,所以全局只有一个变量i。每一次循环,变量i的值都会发生改变,而循环内被赋给数组a的函数内部的console.log(i),里面的i指向的就是全局的i。也就是说,所有数组a的成员里面的i,指向的都是同一个i,导致运行结束后,输出的i的值是 10,而不是7。const的话就表示的是只读操作,不可以进行修改,而且必须初始化。

2023-02-14 09:34:52 2745

原创 Django学习笔记2-数据库操作

我最近在学习python的Django项目结构,想要弄明白数据库链接的操作,下面分享一下我自己遇到的问题。第一步是要在navcat中新建一个数据库,然后在我们项目的setting里面,更改数据库的配置信息。然后将model.py里面的按照Django的写法,就会有orm自己来翻译成对应的sql语句,然后再输入两个命令,当然是在django文件夹下,并且与之对应的虚拟环境之中。显示install successfully就好了。这里我选择的是py37的版本,然后再输入。

2023-01-04 11:12:43 208

原创 Django学习笔记-1 在Anaconda下安装和创建Django项目

Django

2022-12-29 15:30:45 868

原创 shiro过滤器

SubjectSubject主体,外部应用与subject进行交互,subject将用户作为当前操作的主体,这个主体:可以是一个通过浏览器请求的用户,也可能是一个运行的程序。Subject在shiro中是一个接口,接口中定义了很多认证授相关的方法,外部程序通过subject进行认证授,而subject是通过SecurityManager安全管理器进行认证授权SecurityManagerSecurityManager权限管理器,它是shiro的核心,负责对所有的subject进行安全管理。通过Securit

2022-06-06 15:07:52 634 1

原创 html计算机

<!DOCTYPE html><html> <head> <meta charset="utf-8"> <title></title> </head> <body> <table> <tr> <td><img src="" /></td> .

2022-05-31 10:59:07 160

原创 css的初步应用

<!DOCTYPE html><html lang="en"><head> <meta charset="UTF-8"> <title>css-practice-one</title> <!--2.内部样式--> <style type="text/css"> .blue{ color: red; font-...

2022-05-31 09:14:37 63

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

提示
确定要删除当前文章?
取消 删除