- 博客(152)
- 资源 (5)
- 问答 (4)
- 收藏
- 关注
RSS订阅原创 Win10部署DeepSeek
在ollama网站上面就有models，从里面找到对应的模型。，下载win下面的安装文件，并一键安装。打开命令提示符，查看已安装的大模型。安装完毕后，就可以使用了。进入Ollama官网。
2025-02-09 09:03:22
279
原创 Ubuntu在NVME硬盘使用Systemback安装记录
然后创建分盘符链接（注意，硬盘有多少分盘符就要创建多少个，因为系统默认是按照顺序的，如下图）注意这里的错误——即使你想要创建指定位置的分盘符链接，系统也会默认原硬盘的顺序来创建。分区完成后，首先创建总的硬盘链接（这里的sdd可以更改为sdabcd均可以）（下面的图片来源于网络，是举个例子，展示一下gparted）使用Systemback重装系统找不到NVME硬盘。点击System install，按照提示进行即可。按照你希望的分区方式分区即可。
2024-11-29 11:21:18
679
原创 堆叠沙漏网络（stacked hourglass network）学习
Stacked Hourglass Networks是2016年密歇根大学提出的经典网络架构。是曾经最具代表性的姿态识别SOTA之一。
2024-09-13 17:33:45
1121
原创 Encoder-Decoder 的缺陷与Attention 机制引入的目的
所以，RNN 结构的 Encoder-Decoder 模型存在长程梯度消失问题，对于较长的句子，我们很难寄希望于将输入的序列转化为定长的向量而保存所有有效信息，即便 LSTM 加了门控机制可以选择性遗忘和记忆，随着所需翻译的句子难度怎能更加，这个结构的效果仍然不理想。与其说是 Encoder-Decoder 的局限，不如说是 RNN 的局限，在机器翻译中，输入某一序列，通过 RNN 将其转化为一个固定向量，再将固定序列转化为输出序列，即上面所讲的将英文翻译成中文。
2024-09-11 16:33:30
310
原创 底数为整数型的快速幂计算c++程序
long long fastPower(long long base, long long power) { long long result = 1; while (power > 0) { if (power & 1) {//此处等价于if(power%2==1) result = result * base % 1000; } power >>= 1;//此处等价于power=power/
2024-03-27 17:09:20
172
原创 求两个正整数的最大公约数和最小公倍数
/**********************************************************************************FileName: Test1.cpp*Author: Qixiang.Su*e-mail: 617992304@qq.com*Version: 2.0.0*Date: 2019.3.10*Description: 求两个正整数的最大公约数和最小公倍数* 理解各种算法求解过程*History:
2024-03-27 17:09:09
217
原创 Ubuntu下udp通信
一、知识准备阶段Socket程序从Windows移植到Linux下的一些注意事项C语言sendto()函数：经socket传送数据sockaddr和sockaddr_in详解bzero和memset函数函数原型：void bzero（void *s, int n）；头文件：#include <string.h>功能：将字符串s的前n个字节置为0，一般来说n通常取sizeof(s),将整块空间清零。返回值：无返回值socket()函数用法详解socket() 函数来创建
2024-03-27 17:06:30
1448
原创 python3.8/site-packages/mmcv/utils/registry.py注释
【代码】python3.8/site-packages/mmcv/utils/registry.py注释。
2024-03-09 10:24:53
299
1
原创 更换个人开发环境后，pycharm连接服务器报错Authentication failed
原因：服务器中更换个人开发环境后，密码变了。解决：在pycharm中修改服务器开发环境密码即可。
2024-02-26 10:56:26
1428
原创 Ubuntu20.04添加桌面启动、侧边栏启动和终端启动
（注意这里不能使用sudo，因为这样会把文件的权限归为root，导致后续设置可执行程序不方便）以pycharm为例，找到可执行程序所在的地方，终端怎么启动，就把这句话添加到。在桌面新建一个XX.desktop文件，以QtCreator为例。终端启动其实就是在系统变量中提前设置好宏定义。搜索qtcreator，右键点击。还是以QtCreator为例。这里的内容和在桌面新建时相同。后图标就会变成可执行程序。
2024-01-26 09:53:13
899
原创 Ubuntu16.04部署BEVformer 实时记录
需要专门指定版本的库大概就是如下几个mmcv-fullmatplotlibnetworkxnumpy尽量按照我推荐的顺序安装，否则可能会出现前面安装了后面又被覆盖了的尴尬情况。
2023-06-15 16:55:23
3162
3
翻译 20230525——文献阅读《利用毫米波雷达和视觉传感器进行障碍物检测的空间注意力融合方法研究》（SAF-FCOS）
one-stage目标检测算法（也称one-shot object detectors），其特点是一步到位，速度相对较快。另外一类目标检测算法是two-stage的，如Faster R-CNN算法先生成候选框（region proposals，可能包含物体的区域），然后再对每个候选框进行分类（也会修正位置）。这类算法相对就慢，因为它需要多次运行检测和分类流程。而one-stage检测方法，仅仅需要送入网络一次就可以预测出所有的边界框，因而速度较快，非常适合移动端。
2023-06-01 14:50:31
1817
转载 20230518——文献阅读《一种基于深度学习的雷达和相机传感器融合目标检测架构》（CRF-Net）
可达空间,又称可行驶区域,英文称Driveable Space (DS) 或Free Space,在自动驾驶中承担重要的兜底作用。range rate，距离的变化率，也就是毫米波雷达测出的目标相对速度。在相机图像中，利用深度学习进行目标检测是近年来被证实的成功方法。不断提高的检测率和计算效率的网络结构正推动该技术在生产车辆上的应用。然而，在恶劣的天气条件下，以及在光线稀少的地区和夜间，传感器噪音增加，相机的传感器质量受到限制（研究主体就是以相机为主要传感器，雷达负责补充。从而，提高目标检测的指标）。
2023-05-22 18:21:40
1500
1
原创 直方图与直方图均衡化
直方图均衡化就是将原图像的直方图通过变换函数变为均匀的直方图，然后按均匀直方图修改原图像，从而获得一幅灰度分布均匀的新图像（注意这里的均匀不是平均）。直方图均衡化就是用一定的算法使直方图大致平和的方法。图像直方图是用来表现图像中亮度分布的直方图，给出的是图像中某个亮度或者某个范围亮度下共有几个像素，即统计一幅图某个亮度像素数量。有时候我们拿到的图像要么偏亮，要么偏暗，就会影响计算机的判断，直方图均衡化的目的就是使图像增强。1.依次扫描原始灰度图像的每一个像素，计算出图像的灰度直方图H。
2023-05-17 15:43:59
560
原创 Ubuntu16.04布置CenterFusion记录
报错解释：torchvision在运行时要调用PIL模块，调用PIL模块的PILLOW_VERSION函数。但是PILLOW_VERSION在Pillow 7.0.0之后的版本被移除了，Pillow 7.0.0之后的版本使用__version__函数代替PILLOW_VERSION函数。其实这个问题不算是问题，你别从test.sh文件运行test.py就好了，将命令复制出来，直接用终端运行即可。我的pytorch是1.2，推荐使用github上的这一款DCNv2——如果你是单显卡的话，将。
2023-05-16 11:31:42
460
原创 Ubuntu16.04下OpenCV卸载与安装
强烈建议Ubuntu16.04不要安装OpenCV-3.2.0，因为你会遇见很多很多问题。建议安装OpenCV-3.4.5。
2023-05-15 15:50:52
227
原创 程序调用eigen库报错记录
程序调用eigen库报错找了很多解决方式都不好使。我原来的eigen版本是3.2.9的，换成3.3.4版本就解决了。
2023-05-11 11:22:31
438
原创 非极大值抑制(non maximum suppression, NMS)介绍
在进行目标检测时一般会采取窗口滑动的方式，在图像上生成很多的候选框，然后把这些候选框进行特征提取后送入分类器，一般会得出一个得分（score），比如人脸检测，会在很多框上都有得分，然后把这些得分全部排序。选取得分最高的那个框，接下来计算其他的框与当前框的重合程度（iou），如果重合程度大于一定阈值就删除，因为在同一个脸上可能会有好几个高得分的框，都是人脸但是不需要那么框我们只需要一个就够了。(3) 从剩下的矩形框A、C、E中，选择概率最大的E，然后判断A、C与E的重叠度，重叠度大于一定的阈值，那么就扔掉；
2023-05-09 11:42:30
588
翻译 20230507——文献阅读《中心融合:基于中心的雷达和相机融合的三维目标检测》
前融合（early fusion）：下图(a)，直接融合原始的或经过一定前处理的传感器数据。前融合的优点——充分利用了原始数据中的信息量、同时处理多个传感器可以降低整体运算和内存消耗。缺点是——对传感器数据的对齐（空间和时间上对齐）敏感、模型的灵活性下降；后融合（late fusion）：下图(b)，对每一个模态的检测/识别结果进行融合。后融合的优点——高度灵活和模块化，引入一个新的模态不会对原有网络产生影响。缺点是——高运算和内存消耗，并且丢失了大量对于模态融合有益的中间信息；
2023-05-09 09:03:45
721
原创 Ubuntu16.04配置使用robosense雷达18版本的rsview软件记录
下载ubuntu18版本的rsview软件。解压后进入，可以看到文件如图所示。我使用这个没有安装boost成功。我使用这个安装boost成功了。进入下载文件所在的文件夹。
2023-04-24 11:26:15
1507
1
原创 Ubuntu16.04下LIO-Mapping（LIOM）代码调试记录
推荐使用ceres1.14.0和eigen3.2.9，因为ceres2.1.0安装过程中遇见的问题比较多。LIOM是LIO-Mapping的缩写。推荐参照下面的博客，进行相关操作。下载测试数据集，原始的是在。执行两个launch文件。然后播放ros包即可。
2023-04-12 07:48:32
923
原创 Ubuntu16.04更换ceres版本
可以根据上面找到的ceres的位置，依次进行删除，也可以选择直接执行下面的命令。以ceres-1.14.0版本为例。
2023-04-11 12:41:29
1439
原创 Ubuntu16.04更换eigen3版本
可以根据上面找到的eigen3的位置，依次进行删除，也可以选择直接执行下面的命令。下面，但系统默认的调用是在。以3.2.9版本为例。
2023-04-11 11:45:45
1001
翻译 20230328——文献阅读《城市环境中空地协同建图》
按照 Davide Scaramuzza 的分类方法，首先分成 filter-based（基于滤波）和 optimization-based（基于优化）的两个大类，这也和一般 SLAM 系统的分类方法类似。按照是否把图像特征信息加入状态向量来进行分类，可以分为松耦合 (loosely-coupled) 和紧耦合 (tightly-coupled)。这是两种独立的分类方法，首先看是基于滤波还是优化的，然后进一步根据状态向量中是否加入了图像的特征信息来判断松紧耦合。
2023-04-01 15:02:45
1435
3
翻译 20230323——文献阅读《只需要注意力就够了》
在《机器学习》一书中，第五章第7节（第114页）中提到——“我们可以从另一个角度来理解深度学习。无论是 DBN 还是 CNN，其多隐层堆叠、每层对上一层的输出进行处理的机制，而可看作是在对输入信号进行逐层加工，从而把初始的、与输出目标之间联系不太密切的输入表示，转化成与输出目标联系更密切的表示，使得原来仅基于最后一层输出映射难以完成的任务成为可能。换言之，通过多层处理，逐渐将初始的“低层”特征表示转化为“高层”特征表示后，用“简单模型”即可可完成复杂的分类等学习任务。
2023-03-23 22:56:15
1477
原创 Docker安装记录及使用细节
进行指定平台，否则将默认拉取该tag下的第一种镜像。在最下面（原来的大括号外面）加入一下几行。1、docker容器向宿主机传送文件。2、宿主机向docker容器传送文件。重新加载daemon和docker。推荐使用官网安装中的。在拉取镜像时可以通过。
2023-03-23 08:54:23
873
tudui的学习pytorch 的代码，个人使用，进行了标注
2024-03-27
请问为什么输出会报错，（应该是迭代器交换出了问题），请解释一下为什么不可以这样呢？
2020-07-05
请问，编译这个小程序时应该怎么输入什么呢？
2020-06-25
qt中菜单栏设置的一个小疑问
2020-06-18
TA创建的收藏夹 TA关注的收藏夹
TA关注的人