- 博客(5)
- 收藏
- 关注
RSS订阅原创 Transformer模型理解
第一个 Encoder block 的输入为句子单词的表示向量矩阵，后续 Encoder block 的输入是前一个 Encoder block 的输出，最后一个 Encoder block 输出的矩阵就是。其中h表示h个自注意力机制，假设h为8，将信息输入到h层后，输出8个结果Z1，Z2，……用 Softmax 计算每一个单词对于其他单词的 attention 系数，公式中的 Softmax 是对矩阵的每一行进行 Softmax，即每一行的和都为 1，得到 Softmax 矩阵之后和。
2025-06-09 11:27:41
531
原创 uniad运动预测、占据网格预测、planning模块理解
即对transformer每一层进行分层处理：1、构建静态意图 2、构建动态意图（融合三层动态特征，包括智能体级、场景级、偏移级）3、融合静态、动态意图 4、多源交互，构建车车交互、车与地图的交互、车与bev特征的交互 5、融合交互特征信息，并预测轨迹偏移位移，然后通过累加得到预测轨迹的绝对坐标 6、更新参考轨迹、提取最终位置特征、更新层级特征（循环迭代优化预测结果）2、轨迹回归，即计算预测的偏移量（残差）并转换为绝对坐标，把每层的结果都堆叠起来，从而得到多模态的预测轨迹，选择分值最高的轨迹作为最终输出。
2025-06-02 21:16:27
639
原创 CMakeLists.txt的通用写法
以上可作为cmake和ROS中的CMakeLists.txt的通用写法，都可通过编译，不用因为编译工具的不同而改变写法，学杂了。
2025-04-03 17:11:09
147
原创 自动驾驶端到端个人理解
定义：完全端到端模型直接从传感器的原始数据（例如摄像头图像、激光雷达点云）作为输入，经过一个统一的深度学习网络，直接输出控制命令（如方向盘角度、加速度和刹车信号），实现从感知到控制的全流程学习。简单来讲就是，输入为传感器数据，输出为控制指令。图1 基于规则的模块化处理方法图2 完全端到端处理方法特点：简化了流程，不再像基于规则的模块化处理方式，从传感器到规控一步到位；但是缺乏可解释性，需要学习大量的驾驶数据（如人类驾驶记录）直接拟合目标任务，适合特定场景，而现在的大模型则适合任意复杂场景。
2025-01-22 20:16:43
244
原创 GDB的Debug过程
4.程序执行成功无误会看到[Inferior1(process71050)exitednormally]1.编译为可调试、可执行文件：g++-g-omianmain.cppdemo.cpp。2.gdb运行：gdb-qmain（调试的同时看到代码跳转：cgdbmain）单步调试：step，进入函数func后，finish指令直接输出函数运行后的结果。过程调试：next（直接跳转到函数执行完的下一步）打断点：bmian.cpp:12。
2025-01-04 14:55:58
127
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