weixin_38650871的博客

网速问题,将ippicv_linux_20151201.tgz下载后复制到相应文件夹下，重新打开一个终端进行编译配置（必须重新打开一个终端）参考博客：https://blog.youkuaiyun.com/hfuttobuaa/article/details/124276205。解决方法：增加swap space 交换空间。原因在于pangolin版本过高。安装版本为3.2的eigen。Pangolin成功安装！cmake 版本过低。

opencv源码下载opencv官网下载链接，点击进入opencv官网，根据实际需求下载百度云下载链接：链接：https://pan.baidu.com/s/1EYiSIUHO-2G2F-q0iVwZqg提取码：sa32下载后解压sudo unzip opencv-3.4.16.zipsudo apt-get updatesudo apt-get upgrade得保证有足够得空间！扩展虚拟机磁盘空间注意，得在关机状态下 。安装依赖包sudo apt-get insta

1、将软件源更新为国内稳定机构2 、配置ROS软件源sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list'在Linux使用 echo 并配合命令重定向是实现向文件中写入信息的快捷方式。具体参考：sh -c 的必要性3、配置密钥sudo apt-key adv --keyserver 'hkp:

查看系统环境yum更新把yum包更新到最新yum update安装需要的软件包， yum-util 提供yum-config-manager功能，另外两个是devicemapper驱动依赖的[root@localhost ~]# yum install -y yum-utils device-mapper-persistent-data lvm2已加载插件：fastestmirror, langpacksLoading mirror speeds from cached hostfile

使用yolo训练模型

算法对比：（1）Yolo的缺陷：每个网格智能预测一个物体，容易漏检；对于物体的尺度比较敏感，面对物体尺度变化比较大的物体时泛化能力较差。（2）two-stage方法和one-stage方法对比：two-stage方法如R-CNN系列算法，主要思想是先通过启发式方法或者CNN网络（RPN），产生一系列稀疏的候选框，然后对这些候选框进行分类和回归，其优势是准确度高。one-stage方法如Yolo和SSD算法，主要思想是在多层特征图上进行密集抽样，抽样时采用不同的尺度和长宽比，然后利用CNN

一、sigmoid函数1、输出范围为(0,1)，输出范围有限，优化稳定，可以作用于输出层。2、连续函数，求导方便。f(x)=11+e−xf′(x)=f(x)[1−f(x)]f(x)= \frac{1}{1+e^{-x}}\\f'(x) = f(x)[1-f(x)]f(x)=1+e−x1​f′(x)=f(x)[1−f(x)]3、当输入变量是绝对值比较大的正负数时会出现饱和现象，函数对输入的微小改变变得不敏感。在反向传播时当梯度接近于零时，权重基本不会更新，很容易出现梯度消失的情况，从而网络无法更