- 博客(8)
- 收藏
- 关注
RSS订阅原创 windows和ubuntu18.04双系统
首先：整体流程参照以下流程安装https://www.cnblogs.com/masbay/p/11627727.html问题1：联想进入bios与boot manager问题2：重启按压任何按键都无法进入bios或者boot manager。
2023-10-07 22:42:26
108
2
原创 ORB-slam2实验数据分析
（1）运行得到轨迹数据 CameraTrajectory.txt（2）将数据集中的目录的 groundtruth.txt ， 以轨迹数据复制到同一个文件夹Result_analysis。
2023-10-05 21:38:44
479
原创 同步错误记录
Framebuffer with requested attributes not available. Using available framebuffer. You may see visual artifacts.New map created with 940 points
2023-09-27 16:51:04
143
1
原创 ORB-SLAM2运行RGBD数据
（1）系统已有 Python 2.7（2）下载associate.py地址：http://vision.in.tum.de/data/datasets/rgbd-dataset/tools。
2023-09-23 23:30:21
496
1
原创 Pytorch 深度学习实践（3）
如果使用梯度下降训练失败，大概率是学习率太大问题：计算梯度时，计算整个样本的平均梯度，有可能在鞍点（局部最小值）就停止学习。
2023-09-04 21:40:33
80
1
原创 pytorch深度学习实践（1）
（3）在训练神经网络时，在初始化模型参数后，我们交替使用前向传播和反向传播，基于反向传播计算得到的梯度，结合随机梯度下降优化算法（或者 Adam 等其他优化算法）来更新模型参数。（1）前向传播在神经网络定义的计算图中按顺序计算和存储中间变量，它的顺序是从输入层到输出层。（2）反向传播按相反的顺序(从输出层到输入层)计算参数的梯度。主要使用求偏导的链式法则。我下载的 pytorch 2.0.1。1.传统机器学习模型选择方式。老师的pytorch 0.4。
2023-08-30 11:23:13
47
原创 深度学习笔记
尽管全连接层在神经网络中起着重要作用，但是对于处理大规模输入数据，特别是图像数据等，全连接层的参数数量很大，容易导致过拟合和计算负担。（1）特征提取：卷积层通过滑动一个小的卷积核（也称为过滤器或滤波器）在输入数据上进行卷积运算，以捕捉输入数据中的局部特征。（2）参数共享：在卷积操作中，卷积核的参数被共享，这意味着同一个卷积核在输入数据的不同位置使用相同的参数。（3）稀疏连接：与全连接层不同，卷积层中的每个神经元仅与输入数据的一小部分区域相连接，这使得卷积层具有稀疏连接性。
2023-08-29 16:54:41
40
1
原创 clion无法输入中文问题
添加 -Drecreate.x11.input.method=true 到文件最后一行。在Clion中点击顶部菜单栏中的 Help -> Edit Custom VM options,会创建或打开一个叫clion.vmoptions的文件。重启Clion，应该就可以正常输入中文了。
2023-07-21 17:12:08
764
1
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