christinayo-CSDN博客

原创 Win10不支持安装uWSGI

近期想重新做一下Django的项目，本科做的太小儿科了，想做个并发的，在安装uWSGI时碰到了问题，记录一下过程。首先需要说明的结论是：WIN10不支持安装uWSGI ,大家不用浪费时间了。1.使用pip安装pip install uwsgi报错:AttributeError: module ‘os’ has no attribute ‘uname’根据报错信息进行查阅，发现是因为uwsgiconfig.py文件中，os.uname()是不支持windows系统的，platform模块是支持任何

2021-05-15 23:00:13 2846 4

原创 Windows ‘node‘或‘npm‘不是内部或外部命令，也不是可运行的程序

nvm是一个用来管理node版本的工具，安装过程如下：1.到这个链接下载nvm的安装包：https://github.com/coreybutler/nvm-windows/releases2.然后一路next，建议安装到默认的C盘，空间也不大，省的又出环境变量问题。3.在cmd中输入nvm -version命令，不提示找不到命令即可。4.打开你的安装路径，找到路径下的setting.txt，往里面加入node_mirror: https://npm.taobao.org/mirrors/node

2021-05-12 22:20:35 484

原创安装CUDA时不识别显卡，提示This graphics driver could not find compatible graphics hardware

最近在复现CVPR2020的一篇文章，Grid-GCN，要配置CUDA、MXNET等环境，在配置过程中安装CUDA时，不识别显卡，提示This graphics driver could not find compatible graphics hardware。首先放下我的环境：win10RTX2060VS2015CUDA8.0经过查阅资料后得知，厂商在电脑出场时会给自家的显卡添加了独特的硬件ID，导致CUDA8.0没有包含这个ID，识别不出显卡，而CUDA8.0也算比较老的版本了，一直没有

2020-07-07 22:49:39 6550 3

原创 Windows10下Anaconda+MXNET+CUDA10.0+CUDNN7.3.1的配置

最近需要用到MXNET这个库，第一次接触CUDA和MXNET这些，摸索着终于完成了配置，中间遇到如下BUG，记录下来解决方法和安装流程以供参考。（1）import mxnet时出现：OSError: [WinError 126] 找不到指定的模块。（2）安装CUDA时不识别显卡，提示：This graphics driver could not find compatible graphics hardware（3）测试MXNET时，输入语句提示：Upgrade advisory: this mxne

2020-07-07 19:04:08 1565

原创 Windows10下Anaconda的安装

关于Anaconda的安装，应该也算是老生常谈了。不过最近我才对环境管理的重要性有所体会。之前装Ubuntu没用Anaconda，导致后边装Eigen等库出现了版本冲突时，不能很好的维持一个纯净的环境，这才准备记录一下Anaconda的安装。1.下载https://www.anaconda.com/download/在这里下载安装包，注意版本的选择，根据你的实际情况来，还有每个操作系统版本都有对应的python2和python3版本，和64位...

2020-07-07 15:23:00 1725

原创 “简单完了挡不住，口答满分不过瘾”

今天考完了最优化，最担心的一门考完了，心里就轻松多了。已经两周以上没有写东西了，最近实在是忙不过来。随便写一点碎碎念给自己看。虽然说这一门最担心，但其实我从开课就一直在认真学这一门课，这两天复习也很认真。我们学校上课时间很怪，没有午休，下午一点就开始上课。而我从高中起就有午休的习惯，不午休下午就浑浑噩噩。这门课就是下午一点开始上，两个小时的课程，完美覆盖午休时间段。为了克服打瞌睡的困难，我有时会买瓶可乐（其实是馋快乐水），或者在电脑前站着听课。但实际上，我在上课期间还真没困过，对于感兴趣的课程，可能就是

2020-06-26 22:46:43 180

原创论文翻译（下）：Deep Learning Based Semantic Labelling of 3D Point Cloud in Visual SLAM

接上一篇博客https://blog.csdn.net/qq_40574708/article/details/106268897鸽了好久了。。。3.基于3D点云语义分割的深度学习我们的系统基于ORB-SLAM2[15]，由3个模块组成：视觉SLAM模块、点云分割模块和语义标注模块。我们使用基于关键帧的更新策略来生成点云数据。当插入关键帧时，我们使用一个定制的深度学习框架来处理它以获得对象标签。此外，我们使用基于图的方法分割点云。最后，我们将图像标签投影到点云片段，以实现点云的语义标记。上面的过程如图

2020-06-03 22:37:52 473

原创论文翻译（上）：Deep Learning Based Semantic Labelling of 3D Point Cloud in Visual SLAM

Deep Learning Based Semantic Labelling of 3D Point Cloud in Visual SLAM自己翻译的，水平有限，不太对的地方还请多多指正。原文链接：https://pan.baidu.com/s/1R6T9uS4wZo1Yy1ZfKGX6ig提取码：cn6x摘要三维点云理解对机器人的研究具有重要意义。然而，点云通常是不规则和离散的，从中获取语义信息是一项挑战。本文提出了一种利用二维图像标签和三维几何信息构建稠密语义地图的方法。稠密点云是使用RGB

2020-05-21 22:22:34 417

qq_40574708的博客

原创 Win10不支持安装uWSGI

原创 Windows ‘node‘或‘npm‘不是内部或外部命令，也不是可运行的程序

原创安装CUDA时不识别显卡，提示This graphics driver could not find compatible graphics hardware

原创 Windows10下Anaconda+MXNET+CUDA10.0+CUDNN7.3.1的配置

原创 Windows10下Anaconda的安装

原创 “简单完了挡不住，口答满分不过瘾”

原创论文翻译（下）：Deep Learning Based Semantic Labelling of 3D Point Cloud in Visual SLAM

原创论文翻译（上）：Deep Learning Based Semantic Labelling of 3D Point Cloud in Visual SLAM

原创 Ubuntu下使用YOLO3

转载张量的通俗理解

原创论文翻译（下）：CNN-SLAM_ Real-Time Dense Monocular SLAM With Learned Depth Prediction

原创论文翻译（中）：CNN-SLAM_ Real-Time Dense Monocular SLAM With Learned Depth Prediction

原创论文翻译（上）：CNN-SLAM_ Real-Time Dense Monocular SLAM With Learned Depth Prediction

原创原文：CNN-SLAM: Real-time dense monocular SLAM with learned depth prediction

原创关于四维、球极投影和四元数

转载 Bundle adjustment

原创《SLAM十四讲》ch7中g2o实验出现Could NOT find CSPARSE

原创 g2o和Eigen冲突解决方法以及《SLAM十四讲》g2o实验报错

原创 Ubuntu下Ceres和Eigen3.3冲突的解决

原创 Sophus编译报错的解决方法

原创 Ubuntu虚拟机下安装运行ORB-SLAM2

yolov3.weights

CNN-SLAM_ Real-Time Dense Monocular SLAM With Learned Depth Prediction.pdf

空空如也