- 博客(6)
- 收藏
- 关注
原创 SLAM十四讲 ch4 Sophus库安装避雷和使用
Eigen库在ch3中已经装好了Eigen库,我是用的ubantu20,现在直接使用下属命令就已经装的是Eigen3.3.7版本了sudo apt-get install libeigen3-dev有一些老的版本或者很早之前用这个命令安装的Eigen 可能是3.2版本的。/home/david/MySoft/Eigen3/Eigen/src/Core/util/Macros.h打开这个文件 里面可以查看Eigen版本如果不是3.3以上用luigi命令找到Eigen 然后删除sudo upda
2021-05-07 10:44:11 2613
原创 SLAM十四讲 ch3 Pangolin 安装编译出错问题解决
正常的流程如果缺少相应的库sudo apt-get install libglew-devsudo apt-get install cmakesudo apt-get install libboost-dev libboost-thread-dev libboost-filesystem-dev然后就是编译安装 在pangolin文件下mkdir buildcd buildcmake ..make 我是用的SLAM十四讲源码中给的包在make的过程中 大概72%左右连续报错。看
2021-05-05 16:53:28 1749
原创 反向传播最简单推导
正向传播对于单个神经元来说前向传播: z[l]=W[l]⋅a[l−1]+b[l]{z}^{[l]}={W}^{[l]}\cdot{a}^{[l-1]}+{b}^{[l]}z[l]=W[l]⋅a[l−1]+b[l]激活函数: a[l]=g[l](z[l]){{a}^{[l]}}={{g}^{[l]}}\left( {{z}^{[l]}}\right)a[l]=g[l](z[l])矩阵化后对于单层的神经元向量化实现过程可以写成: z[l]=W[l]⋅A[l−1]+b[l].
2021-02-21 10:26:09 312
原创 auc是ROC曲线面积的直观理解
AUC的定义是ROC曲线的下部的面积,概率意义是随机取一对正负样本,正样本得分大于负样本得分的概率。这个概念直观上能看懂但是很难理解为什么和ROC曲线的下部面积有关,下面给出一个我直观上的理解首先是ROC曲线绘制所用到的混淆矩阵预测值预测值10真实值1TPFN真实值0FPTN混淆矩阵TPR = TP / (TP + FN)所有真实类别为1的样本中,预测类别为1的比例FPR = FP / (FP + TN)所有
2021-02-21 09:19:32 3009 2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人