这里什么也没有

原创 Windows采用txt和bat来一次性建立多个文件夹

最近工作需要一次性建立多个文件夹，方便保存不同的数据，所以在网上搜了搜方法，方法还挺多的，这里只是给出流程的方法，供自己日后回顾，如果大家想学习更多方法可以百度一下。

原创 宇树机器狗Unitree Go1开发指南2：操控机器狗运动

本文介绍如何在Gazebo仿真器中运行 unitree_guide 来快速入门 unitree_guide 工程。关于 unitree_guide 的其他用法，请参考《四足机器人控制算法--建模、控制与实践》实体书章节，这本书演示了机器人关节电机控制方法、简单的脚部运动和力控制算法。支持仿真和真实机器人开发环境。

原创 宇树机器狗Unitree Go1开发指南1：安装Unitree工具包

到这里，unitree安装就结束了，并且我们进行了几个比较简单的可视化操作，不过这些都是github官方开源文档里面的，想要实现更多功能大家还是得自己探索。您的支持是我不断更新的动力，初学才浅，若有不当还请在评论区指出！参考了下方的一些博客文章unitree GO1 资料整理、仿真环境搭建、以及通过 ROS 控制实体机器狗 (egh0bww1.com)在ubuntu20.04+ros noetic上安装unitree工具包 - 知乎 (zhihu.com)t=N7T8。

原创 SlowFast视频识别分类算法

本文提出了用于视频识别的 SlowFast 网络。该模型包含：1）Slow 路径，以低帧率运行，用于捕捉空间语义信息；2）Fast 路径，以高帧率运行，以较好的时间分辨率捕捉运动。可以通过减少 Fast 路径的通道容量，使其变得非常轻，同时学习有用的时间信息用于视频识别。该模型在视频动作分类和检测方面性能强大，而且 SlowFast 概念带来的重大改进是本文的重要贡献。在没有任何预训练的情况下，我们在 Kinetics 数据集上的准确率达到了 79.0%，远远超过之前的最佳水平。

原创 《机器人学导论》第5章作业答案

原创 《机器人学导论》第4章作业答案

原创 《机器人学导论》第3章作业答案

原创 《机器人学导论》第2章作业答案

原创 《机器人学导论》第1章作业答案

Introduction to robotics: mechanics and control, fourth edition》这本书的课后答案参考。

原创 ResNet论文逐句精读

更深层次的神经网络更难训练。我们提出了一个残差学习框架，以简化比以前使用的网络更深的网络训练。我们明确地将层重新表示为参考层输入的学习残差函数，而不是学习未引用的函数。我们提供了全面的经验证据，表明这些残差网络更容易优化，并且可以通过显著增加的深度来获得准确性。在 ImageNet 数据集上，我们评估深度高达 152 层的残差网络，比 VGG 网络 [41] 深 8 倍，但复杂度仍然较低。这些残差网络的集合在 ImageNet 测试集上实现了 3.57% 的误​​差。

原创 基于Pytorch的深度神经网络DNN实战（手写数字识别MNIST）

编辑器为Pycharm，深度学习框架为Pytorch，需要用到的库有torch,torchvision,matplotlib.自己提前配置好环境那么上面这些就没什么问题，运行过程中缺少什么库就补什么库。# 损失函数的选择loss_fn = nn.CrossEntropyLoss() # 自带 softmax 激活函数# 优化算法的选择learning_rate = 0.01 # 设置学习率# 训练plt.show()# 测试total = 0。

原创 关于“福昕PDF编辑器专业版”电子签章总是弹出的问题

这种方法比较粗糙，相当于断了联网功能（比如说云空间），但是常规的操作都是不影响的，至少对我本人工作没有任何影响，不会有人用福昕的云空间吧？（doge）

原创 基于Pytorch的C3D视频行为识别代码实战

本次C3D模型用的是pytorch框架，编译器为pycharm，数据集为UCF101，包含了101个种类的动作视频。目的是训练出权重文件，可以识别视频的动作。

原创 YOLOv5-7.0解决报错 wandb: Network error (TransientError), entering retry loop.

最近在复习yolov5目标检测代码时用了yolov5的最新7.0版本，之前用的是5.0版本，这一新版本相对于之前做了一些提升，对于package的兼容也要好了很多，但也不是说下载了直接就能运行，实际使用过程中还是遇到了许多新的问题，下面就我自己碰到的问题提出解决方法。

原创 YOLOv5-7.0解决报错 ImportError: Bad git executable.

最近在复习yolov5目标检测代码时用了yolov5的最新7.0版本，之前用的是5.0版本，这一新版本相对于之前做了一些提升，对于package的兼容也要好了很多，但也不是说下载了直接就能运行，实际使用过程中还是遇到了许多新的问题，下面就我自己碰到的问题提出解决方法。同样的，按住键盘的ctrl然后鼠标挪到git这三个字母上，点击左键，进入__init__.py，然后剩下的加入代码就和上面一样啦。2、同上，使用Ctrl+F进行页面搜索，在搜索框里面输入import git。