哎,好不容易的完成了LM优化.....但是还是有问题

最新推荐文章于 2025-06-13 11:54:19 发布
原创 最新推荐文章于 2025-06-13 11:54:19 发布 · 906 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#优化 #存储

博主分享了在进行LM优化过程中遇到的问题及解决过程。虽然得到了初步结果，但与预期仍有差距。同时，博主还尝试了TSAI标定，效果同样不理想。

哎,好不容易的完成了LM优化.....(其中非常感谢成都光电所的PHD罗&武大的PHD詹对我的指导),但是还是有问题,不过起码来说看到了结果......

前几天优化出来的结果和标准结果差别很大,"罗总"说让我看原理,我今天就又把SBA和LM的原理再看了遍,然后就慢慢跟踪程序找到了其中的一个由于存储世界坐标的指针越界造成错误的"BUG".....带着欣喜改正了这个很隐蔽的错误之后运行一看结果,和优化前的参数变化不大...

哎,看来还是没完全解决这个.....

我昨天又把TSAI标定搞了下,运行出来的结果也不够理想....我估计是相机初值那些没是设好...

慢慢来找,难道真的就是传说中的好事多磨?

 

robin1115
关注
AI模型并行训练：AI应用架构师的宝藏技能
SuperAGI2025
09-11 402
并行训练不是“技术技巧”，而是一种架构思维——它要求你从“单卡视角”切换到“多卡/多节点视角”，从“计算优先”切换到“计算-通信平衡优先”。懂原理：理解数据并行、张量并行、管道并行的本质区别；会选型：根据模型大小、硬件资源选择合适的组合策略；能落地：修改模型代码、优化通信、调试性能问题；看未来：关注自动并行、硬件优化、云原生等趋势。并行训练的目标不是“用更多GPU”，而是“用更少的GPU完成更多的计算”。
51c扩散模型~合集3
whaosoft~aiotの开发板商城
01-10 1611
更加要命的问题是，比如Diffusion-QL本身动作采样就是5步完成的，采样已经很不精确了，且扩散策略在训练初期，没收敛的模型采样出来的动作样本还有严重的数值问题（比如采出来个1e5这种离群点），现在采样不精确性造成的误差会进一步通过训练传导到Q函数中，Bootstrapping Q loss本身又不稳定。相比于传统基于扩散的时序模型，ARMD 并没有将时间序列预测视为从噪声起步的条件生成任务，而是充分利用时间序列数据的连续演化特性，实现了扩散机制与时间序列连续性之间的对齐，从而提升了模型性能。
LM优化算法
mppcasc的博客
08-07 1万+
LM算法理论知识梯度下降高斯牛顿Levenberg–Marquardt算法框架算法的整体流程求解器update流程说明算法实现头文件cpp算法调用 LM优化算法，是一种非线性优化算法，其可以看作是梯度下降和高斯牛顿法的结合。综合了梯度下降对初值不敏感和高斯牛顿在最优值附近收敛速度快的特点。 本人非数学专业，且对算法理解可能不到位，详细的算法推导及各个优化算法之间的关系，非常推荐看**《METHODS FOR NON-LINEAR LEAST SQUARES PROBLEMS 》**，其介绍更详细也更专业。
LM 优化算法 Levenberg - Marquardt
10-04
C语言编写LM迭代算法+文档说明，是非线性优化处理很好的方法
优化算法学习（LM算法）
zhulinmanbu114的博客
07-18 2万+
LM算法可以理解为**Gauss-Newton算法与最速下降法的结合**
LM迭代优化算法
10-23
L-M迭代优化算法，为非线性参数迭代优化算法，用于非线性的拟合
最优化方法（最速下降、牛顿法、高斯牛顿法、LM算法）
晓晨的博客
11-02 5764
前言 最优化方法应用广泛，但在实现原理上大同小异。作者在学习高翔博士的视觉SLAM十四讲的过程中对其第六章非线性最小二乘求解所涉及到的最优化方法（梯度下降、牛顿法、高斯牛顿法、LM算法）进行了简要总结如下： 梯度下降（最速下降法/一阶导数法） ...
【强化学习漫谈】4. 从统一视角看 LLM Post-Training
最新发布
muyuu的博客
06-13 827
系列文章。
多媒体框架兼容性难题破解：klcodec370f.zip跨系统版本适配策略（实测6大环境）
你有没有遇到过这样的情况：同一个App，在你的手机上流畅播放4K HDR影片，到了朋友的设备上却连1080p都卡顿？甚至干脆提示“无法解码”？ 这并不是玄学，而是**多媒体框架兼容性问题**的真实写照。 尤其当我们面对...
Makefile详解——从入门到精通
墨鱼菜鸡
07-11 1262
转自ChinaUnix，作者gunguymadman，陈皓。链接地址：http://www.chinaunix.net/jh/23/408225.html 陈皓 优快云 博客：http://blog.csdn.net/haoel/article/details/2886 http://blog.csdn.net/ruglcc/article/deta...
LM算法-Matlab/Opencv
11-25
LM算法介绍：牛顿法需要时刻计算H矩阵，即二阶导数信息，是很麻烦的一件事情，LM算法的核心思想就是用雅可比矩阵（易计算）代替H矩阵的计算，使得优化效率有了提升，文档包括了Matlab/Opencv实现案例
C++手写非线性优化方法: GN & LM & DL，对比测试
啥也不懂的研究生也淦SLAM的博客
09-12 1658
C++实现非线性优化方法，高斯牛顿法GN和列文伯格-马夸尔特法LM、狗腿法DL
非线性优化相关算法
reason的博客
12-14 903
优化算法学习（LM算法） https://blog.csdn.net/zhulinmanbu114/article/details/96432116 python和matlab中优化方法库比较 python 中的 scipy 也有最优化的功能，体现在里面的 optimize 中，自己简单使用了下，发现它具有以下缺点： 优化算法比较少，有信頼域、单纯形法、BFGS算法等，能够满足不少常规函数的求解，但相对于 matlab 来说还是少的； 求解带约束的优化时，还需自己定义一阶导数，海森矩阵等，这一.
matlab标准化出现负值,为什么我求出来的约束条件是负值
weixin_30324561的博客
03-20 1343
本帖最后由 renwoxinfen 于 2016-11-8 09:01 编辑程序如下：a.m% 设计变量(螺杆平均直径D和长度L)的初始值x0=[30;5000];% 设计变量(螺杆平均直径D长度L)的下界与上界Lb=[30;5000];Ub=[200;6000];% 调用多维约束优化函数% 线性不等式约束放入约束函数文件，参数A,b定义为空矩阵% 没有线性等式约束，参数Aeq,beq定义为空矩阵...
最优化方法——梯度下降法、牛顿法、LM算法
ha_lee的博客
01-08 1万+
最优化方法的学习笔记，介绍了三种常见的最优化算法
Levenberg-Marquardt(LM算法)
热门推荐
Ontheway的博客
03-30 7万+
 转自: 翠翠的博客 什么是最优化，可分为几大类？ 答：Levenberg-Marquardt算法是最优化算法中的一种。最优化是寻找使得函数值最小的参数向量。它的应用领域非常广泛，如：经济学、管理优化、网络分析、最优设计、机械或电子设计等等。 根据求导数的方法，可分为2大类。第一类，若f具有解析函数形式，知道x后求导数速度快。第二类，使用数值差分来求导数。 根据 使用模型不同
【优化算法】LM算法(Levenberg-Marquardt Algo)
北境の守望者
07-20 6660
Ref Ref 中文通俗解释 Wikipedia详细介绍
cminpack软件包中lmdif求最小二乘解的函数使用
Thinker_Ping
02-23 2642
NAME lmdif_, lmdif1_ - minimize the sum of squares of m nonlinear functions   SYNOPSIS include minpack.h> void lmdif1_ ( void (*fcn)(int *m, int *n, double *x, double *fvec, int *iflag),
lm70.dll与mlr5lprg.dll文件详解及应用
如果遇到此类问题，除了替换DLL文件外，还应检查系统是否有更新、重新安装引起问题的软件，或在可能的情况下，还原整个系统到一个已知的良好状态。如果用户不具备足够的技术知识，寻求专业技术支持可能是更好的选择...
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值