qq_50879918的博客

原创 农田自动导航语义分割标注规范 v1.0

本数据集用于。

原创 llm学习day1

词汇表中的每个 Token ID 都对应一个多维向量，这些向量可以学习编码输入序列中单个 Token 的含义和上下文。每个头（head）会用不同的参数，把输入投影到不同的子空间里，捕捉句子中不同的依赖特征。= 目标输出的“已知部分”（训练时用真实前缀，推理时用模型自己生成的前缀）。里，每个词都会和句子里所有词计算相关性，得到一个注意力分布。最后把多个头的结果拼接起来，再做一次线性变换。一个头可能关注句法关系（比如主谓关系），另一个头可能关注语义关系（比如近义词）。= 任务输入（源文本、文章、问题）。

原创 qt designer修改button中文本字体样式

原创 Ubuntu / Linux 终端命令速查表（新手版）

【代码】Ubuntu / Linux 终端命令速查表（新手版）

原创 非线性滑模控制算法（Sliding Mode Control, SMC）用于计算自动驾驶车辆的前轮目标转角delta

s实操建议。

原创 常见格式控制符

【代码】常见格式控制符。

原创 OpenCV Python安装

直接在annaconda prompt输入命令：pip install opencv-python（直接下载新版opencv）

原创 立体矫正与立体匹配

比如下面红色点的视差就计算错误了，而绿色点则是正确的。：我们上面计算的视差值都是离散的整数值，但实际场景物体存在连续变化的视差，我们希望得到以浮点数表示的更精细的视差值。一般来说，会采用某种二次的抛物线插值法，得到连续的视差值，计算量也比较低，结果也不错。局部聚合思路是通过对代价立方体中同一视差的代价进行某种程度的聚合，来减少或消除错误代价的影响，这一步就是所谓的代价聚合(Cost Aggregation)。左图上的某个点，要求算法在右图上找到它对应的投影点，然后将两个点的横坐标相减得到该点的视差。

原创 【无标题】

【代码】【无标题】

原创 syncthing实现不同设备之间文件夹传输（同步）

实际应用场景：把手机相册里的照片视频用syncthing同步到nas以后就清空手机相册，但nas里需要保留这些照片视频。实际应用场景：一个主nas多个备份nas，主nas所有操作同步到备份nas。场景二：无视删除操作——主设备增删改，从设备同步增改，不删，反向不同步。场景一：完全单向同步——主设备增删改，从设备同步增删改，反向不同步。单向同步的增量备份模式下，两个设备就有了主从之分，主动发起备份的。中完全一致，以下是需要增加的配置。，然后选择需要配置的文件夹。上的删除操作，所以需要在。

原创 传输存档1

传输