自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(124)
  • 资源 (19)
  • 问答 (1)
  • 收藏
  • 关注

转载 检索论文链接

https://blog.csdn.net/weixin_43795921/article/details/100169662

2019-09-13 22:12:25 1582

原创 解决录制的 mp4 视频文件在 windows 无法播放的问题

kazam 默认录制保存下来的 mp4 视频文件在 windows 中是无法直接使用的,这是由于视频编码方式的问题。input.mp4 和 output.mp4 分别是原始视频和更改编码后输出的视频。解决录制的 mp4 视频文件在 windows 无法播放的问题。现在就可以在 windows 下也能正常播放了。

2024-01-10 12:02:01 959 2

原创 结合双向LSTM和注意力机制的DQN-CE算法船舶能量调度

基于深度强化学习(DRL)的船舶能量调度是目前研究的重要方向,其中深度Q学习算法(Deep Q-learning,DQN)在能量调度领域已有较多成功运用的案例,本文针对全电力船舶(All-Electric Ships,AES)能量调度中DQN算法使用多层感知机(MLP)作为动作网络性能不足,以及DQN过高估计Q值导致收敛性能降低问题,提出了一个结合双向LSTM和注意力机制(BI-LSTM-Att)的DQN交叉熵(DQN-CE)能量调度算法。(3)通过对DQN算法进行改进提出了DQN-CE算法。

2023-11-07 21:21:18 545 3

原创 基于pytorch实现模型量化压缩

这样可以通过减少模型参数的精度和规模,来减少模型的存储空间和计算复杂度,从而提高模型的运行速度和效率。具体来说,将原始的浮点型参数转化为定点数或整数类型,然后使用定点数或整数来表示浮点数值,从而减少模型存储空间和计算复杂度,提高模型运行速度。综上所述,通过剪枝、量化、共享和融合等方法来实现模型的量化压缩,可以有效地减少模型的大小和计算复杂度,从而提高模型的运行速度和效率。模型剪枝:通过去除网络中一些不必要的连接及其对应的参数,来减小模型的大小和复杂度,从而提高模型的计算速度和运行效率。

2023-03-15 12:56:12 1164 1

原创 plt保存图片

bbox_inches='tight’表示指定将图表多余的空白区域裁减掉。

2023-03-03 22:00:10 374

原创 python 如何导入.pyx文件

在python中有些库是用.pyx文件写的,这个如果之间import就会报错找不到模块,因为这是与C混合编写的外部库。最后会生成一个文件,保证文件与.pyx文件在同级目录下即可正常Import。那么就需要编写setup.py文件进行编译。这需要经过编译才能导入。

2023-02-28 00:25:53 4186 4

原创 import matplotlib.pyplot实现三维坐标并设置y轴

使用plt实现三维坐标绘制时,需要对x,y,z轴标题进行标注,而plt无法对z轴进行标注,因此可结合以下方式使用。

2022-11-17 11:45:29 1172

原创 基于非线规划算法的船舶能量调度

在使用深度强化学习算法(Deep Reinforce Learning,DRL)舶能量调度问题中,对智能体调度的结果难以判断,因此需要给出一个基准最优解,使得对智能体的调度结果能做出正确的评价,有助于增强DRL能量调度算法的说服力,同时对DRL能量调度算法的改进具有引导作用。系统建模:首先建立船舶电力系统模型,以发电机组(包括柴油发电机组和燃气轮机发电机组)、能量存储系统(Energy Storage System,ESS)、负载(包括服务负载和推进负载)所构成的全电力船舶(All-Electric Sh

2022-09-24 11:05:11 502

原创 pytorch实现卷积操作

介绍了如何使用pytorch实现卷积神经网络,并介绍了图像尺寸更新公式,便于网络和参数的设计。

2022-09-17 15:56:33 1083

原创 使用pandas配合pytorch实现相关性分析并使用热力图表示

在使用pytorch进行深度学习训练时,在进行数据处理时,输入数据的特征选择非常重要,因此针对标签数据进行相关性分析非常重要。下面介绍如何使用pandas实现数据相关性分析,并使用热力图进行表示,从而选出最合适的特征,达到加强学习效率并节省计算资源的效果。

2022-09-08 18:02:09 1697

原创 机器学习-理解Accuracy,Precision,Recall, F1 score以及sklearn实现

sklearn的使用

2022-08-30 18:53:10 487

原创 520表白代码

明天520了,给各位送上一些表白用的代码,代码都是可以直接使用浏览器打开运行的哦,非常方便,有需要可以进行下载使用,表白保证成功率大大提高。下面为大家展示一下一些代码的效果,里面总共包含17个表白代码,支持自行修改。附上代码下载链接:520表白+网页代码+可直接浏览器运行+可修改 具体修改方法为:1.包含图片的需要自己替换掉里面的图片,如果不想改动代码,那就保证图片名字不变,否则就需要在.html文件里面修改文件路径。2.里面包含网页文字修改的,需要在html文件里面修改。3.里面包含时间的在ht

2022-05-20 00:11:55 2903

原创 processon的使用方法

processon是一个在线画图的软件,可以实现viso和思维导图的功能,并且其还是一个可以实现文件共享的平台。相比viso其更加灵活和方便。使用下面链接加入可以直接获得VIP天数:注册地址一、画图可以在其中实现画图,功能和用法和viso差不多,还可以直接插入公式,画曲线等等,功能更加方便。二、个人文件夹个人画的文件可存储在个人文档里,然后随时进行编辑和导出。选择下载即可。三、搜索可以在大厅搜索到自己需要的文件,并克隆到自己的文件夹下进行编辑和修改,这将有利于节.

2022-04-28 13:21:47 4983

原创 Gurobi安装

1.这是一个商业求解器需要在官网下载安装文件包和Licence,其中只有学术版本的账号才能免费。只需要安装一次和认证一次就可以在python多个版本和Matlab上成功安装Gurobi.2.在python

2022-04-03 10:24:29 5886

原创 大学数学学习资源整理

一、不定积分学习不定积分求解专题总结(1)不定积分求解专题总结(2)二、微分方程求解微分方程式总结上!微分方程的解析与近似处理方法高等数学之二阶高阶线性微分方程解法总结微分方程,总结到位后续根据需要继续更新大学数学知识。...

2022-03-29 16:24:43 363

原创 基于pytorch和paddle从零实现Transformer

从零实现Transformer本人使用Pytorch和PaddlePaddle均实现了transformer,并使用数据集做了测试。完整代码如下:pytorch代码:transformer_torchpaddlepaddle代码:transformer_paddle下面以paddlepaddle为例讲解代码实现:一、模型总览transformer总共包含一个编码器和一个解码器。其中解码器和编码器包括多头注意力机制、全连接层、Layernorm、残差连接一、 Embeddingimpor

2022-02-25 22:41:09 1339

原创 使用matplotlib库实现图形局部数据放大显示

使用matplotlib实现图形局部数据放大显示一、绘制总体图形import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.axes_grid1.inset_locator import inset_axesfrom matplotlib.patches import ConnectionPatchimport pandas as pdMAX_EPISODES = 300x_axis_data = []for l

2022-02-16 18:42:10 2449 1

原创 动手从头实现LSTM

从头实现了单层LSTM,多层LSTM和多层双向LSTM。其中多层LSTM:下一层LSTM会将上层LSTM的隐藏状态作为输入,双向LSTM:将输入数据的时序反过来,最后再将得到的隐藏状态的时序反过来与正向得到的隐藏状态进行拼接。实现代码如下:import mathimport paddleimport paddle.nn as nnimport torch.nn.functional as Fimport numpy as np#自定义LSTM实现class CustomLSTM(nn.

2021-12-31 17:15:21 1754

原创 使用pytorch从头实现多层LSTM

代码如下:#自定义LSTM实现class NaiveCustomLSTM(nn.Module): def __init__(self,input_size,hidden_size,num_layers=2): super().__init__() self.input_size = input_size self.hidden_size= hidden_size self.num_layers = num_layers

2021-12-29 11:37:37 1919

原创 parl框架使用方法

1.定义model,继承parl.Model2.引入强化学习算法,如parl.algorithms.DQN3.在算法中引入model4.定义Agent,继承parl.Agent主要定义sample(obs),predict(obs),learn()等函数5.在agent中引入算法。

2021-11-30 23:18:05 438

原创 极限学习机ELM原理与实现

极限学习机(ELM)用来训练单隐藏层前馈神经网络(SLFN)与传统的SLFN训练算法不同,极限学习机随机选取输入层权重和隐藏层偏置,输出层权重通过最小化由训练误差项和输出层权重范数的正则项构成的损失函数,依据Moore-Penrose(MP)广义逆矩阵理论计算解析求出。理论研究表明,即使随机生成隐藏层节点,ELM仍保持SLFN的通用逼近能力。在过去的十年里,ELM的理论和应用被广泛研究,从学习效率的角度来看,极限学习机具有训练参数少、学习速度快、泛化能力强的优点。

2021-11-01 22:02:22 10564 1

原创 绘图网站网址

神经网络绘图网址processon

2021-10-29 22:11:42 298

原创 在python3中安装遗传算法框架Pyevolve

由于目前pip安装Pyevolve只支持python2,在python3上需要编译源码安装。下载源码:Pyevolve源码然后:sudo pip3 install future然后在下载的源码内运行: sudo python3 setup.py install

2021-10-14 23:51:40 408

原创 微电网一些基本概念介绍

什么是微电网微电网是一种新型网络结构,由微电源、负荷、储能系统和控制装置构成的系统单元,能够实现自我保护控制和能量管理的自治系统,可与外部电网并网运行,也可以孤立运行,既可满足用户供电需求,也可满足冷、热、电三联供的需要。可用于解决分布式能源并网带来的技术、市场和政策上的问题,为最大发挥分布式发电技术在经济、能源和环境中的优势提供了新思路。分布式能源(Distributed Generation,DG):通常利用各种分散存在,可方便获取的能源,包括可再生能源(风能、太阳能、生物质能、,潮汐能等)和不可再

2021-10-13 20:30:27 2143

原创 什么是能量调度?

(1)负荷预测:电力系统的作用是对各类用户尽可能提供可靠的、合乎要求的电能,以随时满足各类负荷需求,而要满足这种需求,必须对未来的负荷有一个量的估计,这就是负荷预测。对于一个连续运行的电力系统,不同的时刻,由于各种因素的影响,其负荷一般不同,但它们又不是彼此无关。一般情况下,电网调度的短期负荷可以表示为三种变化量之和,即季节性变化量、周期性变化量、随机性变化量,其中,季节性变化量表示负荷因气候变化而发生的正常波动,周期性变化量即表示负荷按日、月的变化,而随机性变化量则是偶然性因素引起的负荷变化。

2021-10-12 16:55:56 637

原创 parl实现强化学习并行训练

上一节使用parl实现了并行计算使用parl实现并行计算,但是这是建立在项目里面不包含除了主文件以外的文件夹的情况下。那么怎样实现强化学习并行训练呢,包括实现多机并行训练。parl实现强化学习并行训练要实现强行学习并行训练,那么需要分发文件。文件分发是分布式并行计算的重要功能。它负责把用户的代码还有配置文件分发到不同的机器上,让所有的机器都运行同样的代码进行并行计算。默认情况下,XPARL分发主文件(例如: main.py )所在目录下所有 .py 结尾文件。但是有时候用户需要分发一些特定的文件,

2021-10-11 23:52:33 842

原创 使用parl实现并行计算

import parl[10-06 21:25:01 MainThread @utils.py:73] paddlepaddle version: 2.1.2.使用parl实现并行计算PARL(PAddlepaddle Reinfocement Learning)是百度推出的基于PaddlePaddle(飞桨)的深度强化学习框架,具有可复用性强、扩展性好、支持大规模并行计算等优点,详细介绍见官网。百度凭借PARL连续两年(2018、2019)在人工智能顶会NeurIPS的强化学习

2021-10-06 21:41:26 449

原创 ubuntu安装使用mujoco

参考:Ubuntu 16.04 安装 mujoco, mujoco_py 和 gym补充的是,现在已经不需要注册了,可以直接下载mjkey.txt 激活文件。安装Mujoco+Gym踩的坑python, gym, mujoco, mujoco-py 你们之间的关系让我很想吐槽至于可视化的问题,需要根据报错进行解决。...

2021-09-13 11:30:56 506

原创 解决ubuntu下pycharm找不到配置环境的问题

有时候会碰上在电脑里面已经配置好了环境,在终端上可以运行,但是在pycharm中运行找不到环境的问题。Missing path to your environment variable. Current values LD_LIBRARY_PATH= Please add following line to .bashrc: export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/root/.mujoco/mujoco200/bin报错环境Ubunut20.04P

2021-09-13 11:18:32 2755

原创 人工智能必备数学知识

新手入门第二课——必备数学知识我们了解了第一课-深度学习的基本理论以后,可以开始不断的去深入了解背后的原理是什么。为什么图片能被计算机读取?为什么我们可以用CNN对成千上万中图片进行分类,这背后的原理是什么?在了解原理之前,先给大家补点数学知识,因为无论是深度学习还是机器学习,背后都是有一些数学原理和公式推导的,所以掌握必备的数学知识必不可少,下面会给大家简单科普下常用的数学知识有哪些~数学基础知识数据科学需要一定的数学基础,但仅仅做应用的话,如果时间不多,不用学太深,了解基本公式即可,遇到问题再

2021-09-03 00:16:49 243

原创 numpy 产生随机数方法总结

在矩阵应用的过程中,经常需要使用随机数,那么怎么使用numpy 产生随机数呢 ,为此专门做一个总结。random模块用于生成随机数,下面是一些常用的函数用法:numpy.random.seed(n) 其中n为任意指定当我们设置相同的seed,每次生成的随机数相同。如果不设置seed,则每次会生成不同的随机数numpy.random.seed(0)np.random.seed(0)a = np.random.rand(4) aarray([0.5488135 , 0.71518937, 0

2021-09-02 20:32:57 36966 2

原创 ubunu 20.04安装cudnn以及安装双cuda的方法

主要有以下两点需要注意:1.ubuntu20.04只能安装11.0以上的版本2.尽量run文件安装,因为使用deb文件安装需要许多依赖库,可能会失败,而run文件虽然大,那是因为里面有了所有的库。3.在使用run文件安装之前,最好先把显卡驱动卸载。参考如下:Ubuntu 20.04安装CUDA 11.0、cuDNN 8.0.5、PyTorch 1.7.0Ubuntu 配置多个版本cuda(10.0、10.1)...

2021-08-03 21:43:08 394

原创 关于服务器使用多GPU的方法

一般来说,电脑默认都是使用单GPU的,本人正好拿到了两个显卡,在尝试了多次之后才成功,所以记录一下,如果要使用多GPU的话,那么必须进入Bios将Above 4G Decoder 打开 。参考:above 4g decoding记K80翻车—从计算卡变游戏卡...

2021-08-03 21:21:55 2163

原创 buntu20.04 安装向日葵SunloginClient并解决报错libwebkitgtk-3.0-0 is not installed

解决Ubuntu20.04 安装向日葵SunloginClient并解决报错libwebkitgtk-3.0-0 is not installed,解决缺少依赖问题 在处理时有错误发生: sunloginclient.解决方法:解决Ubuntu20.04 安装向日葵SunloginClient并解决报错libwebkitgtk-3.0-0 is not installed,解决缺少依赖问题 在处理时有错误发生: sunloginclient...

2021-07-26 19:56:10 868

原创 ubuntu下更改主机名,用户名和密码

更改用户名存在无法登录的风险,我也因为这个重装了一次系统,因此在这里写下我的经验,安全地修改用户名,避免出现修改后无法登录的情况,希望对大家有所帮助,让各位少走弯路。按这个顺序应该不会错,本人已成功修改。一、更改主机名—改为bbb:(1)修改hostname文件sudo gedit /etc/hostname这个文件中的内容是用来显示主机名字的,修改这个文件后,如果立刻重启,我们会看到终端中@后面的主机名将变为bbb(2) 修改hosts文件sudo gedit /etc/hosts

2021-07-26 09:29:30 8800 2

原创 使用tar复制ubuntu系统(windows10+ubunu双系统)

由于linux的核心思想是“一切皆文件”,所以我们通过拷贝所有系统文件的方式来备份及恢复系统。引言最近买了台新电脑,如果重装ubuntu 系统,那么很多的软件和环境都要重新安装,这是一个很复杂的工程,那么就想,能不能把旧系统上的环境原封不动地迁移过来,那么就不需要重新配置环境了,使用systemback又不可靠,容易出BUG,导致失败。然后就想到了使用tar的方式进行迁移,网上有很多的方式,但是基本上过程都不清楚,也没有讲清楚为什么要这样做,流程也不一定对,在折腾了很久后,总算成功了,现在将其方法整理

2021-07-25 15:29:40 2270 4

原创 pytorch反卷积函数用法

参数说明:torch.nn.convtranspoese2d(in_channel,out_channel,kernel_size,stride=1,padding=0,out_padding=0,groups=1,bias=1,bias=True,dilation=1,padding_mode='zeros')用法def deconv(input_channel,output_channel,kernel_size=4,strides=2,padding = 1,batch_norm=True):

2021-07-11 22:59:19 475 1

原创 python np.ceil()和np.repeat(),图像通道赋值的用法

import numpy as npa = np.zeros((2, 10))a[np.arange(2), 4] = 1print("逐个赋值后的值:", a)b = np.array([0.34, 1.3, 0.75, -0.23, -1.1])b = np.ceil(b)print("向上取整的值:", b)逐个赋值后的值: [[0. 0. 0. 0. 1. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 1. 0. 0. 0. 0. 0.]]向上取整的值: [ 1.

2021-07-01 20:29:06 533 1

原创 python np.ceil()和np.repeat()的用法

import numpy as npa = np.zeros((2,10))a[np.arange(2),4] = 1print("逐个赋值后的值:",a)b = np.array([0.34,1.3,0.75,-0.23,-1.1])b = np.ceil(b)print("向上取整的值:",b)变化后的值: [[0. 0. 0. 0. 1. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 1. 0. 0. 0. 0. 0.]]向上取整的值: [ 1. 2. 1. -

2021-07-01 13:25:21 1052

原创 ubuntu磁盘清理

打开ubuntu software,搜索Bleachbit,安装即可系统清理工具BleachBit使用ubuntu清理磁盘空间的多种方法Ubuntu上释放磁盘空间的几种简单方法Ubuntu 安装 BleachBit也可:1)查看电脑磁盘空间的使用情况,使用baobab命令,看到的结果如下图,则可先挑一些进行清理baobab 7招帮你释放Ubuntu磁盘空间...

2021-06-24 13:14:31 925

论文-基于LSTM的动态环境车辆轨迹预测研究

车辆轨迹预测是无人车技术研究领域的重点技术之一,对智能车周围环境车辆的运动轨迹进行准确地预测,有利于智能车安全舒适地行驶。本文针对现有方法预测精度不足的问题,首先提出了一个改进LSTM(Long Short-Term Memory,长短期记忆网络)分类模型识别车辆行为,然后提出了一个结合车辆行为识别的轨迹预测模型,该模型能充分考虑车辆自身状态信息、行为信息和交互信息,并在此基础上提出了一个加速度推算轨迹优化算法,使预测轨迹更加准确。本文的主要工作及创新点包括: (一)本文提出了一种基于改进LSTM分类模型的车辆行为识别方法。本文在传统LSTM分类模型的基础上,对传统LSTM分类模型进行了改进,得到了一个改进LSTM分类模型,得到了较好的车辆行为识别效果,并与传统的机器学习方法、MLP模型和传统LSTM分类模型分别做了对比,均取得了更好的识别效果。 (二)本文在车辆行为识别模型的基础上,基于LSTM提出了一种轨迹预测模型,最后提出一种加速度推算轨迹优化算法,并在NGSIM数据集上进行了仿真实验,并与不结合车辆行为识别的方法和直接输出预测轨迹的方法分别做了对比,均取得了更好的实验效果,证明

2023-08-29

车载语音引擎+直接安装使用

适合比亚迪平板安装使用

2023-02-06

520表白+网页代码+可直接浏览器运行+可修改

明天520了,给各位送上一些表白用的代码,代码都是可以直接使用浏览器打开运行的哦,非常方便,有需要可以进行下载使用,表白保证成功率大大提高。下面为大家展示一下一些代码的效果,里面总共包含17个表白代码,支持自行修改。 具体修改方法为: 1.包含图片的需要自己替换掉里面的图片,如果不想改动代码,那就保证图片名字不变,否则就需要在.html文件里面修改文件路径。 2.里面包含网页文字修改的,需要在html文件里面修改。 3.里面包含时间的在html文件里面改变在一起日期。 4.里面包含音乐播放文件的,如果想要替换,那么就要保持文件名不变,或者去html文件里修改文件名。 5.需要修改颜色、宽度、字体的也需要在html文件里面修改。 6.html文件使用记事本打开才能修改,右键点击打开方式选择记事本打开即可。 7.里面的js文件和css文件原则上不要去改动,要改动的话也只能使用记事本打开。 8.记得要大胆表白,不要害怕哈哈哈。兄弟们加油加油加油加油加油加油加油加油加油加油加油加油加油加油加油加油加油加油加油加油加油加油加油加油加油加油加油加油加油加油加油加油加油加油加油加油加油加油。

2022-05-20

图像局部放大代码.zip

1.使用matplotlib库实现了图形局部数据放大显示 2.里面包含了完整代码,使用jupyter打开即可,打开即可运行。 3.注释较为详细,可以根据自身需要更改python代码.

2022-03-11

transformer_paddle.zip

1.使用paddle从零实现了transformer,总共包含一个编码器和一个解码器。其中解码器和编码器包括多头注意力机制、全连接层、Layernorm、残差连接。 2.使用了一个数据集进行了测试,测试了模型效果 3.代码做了较为详细的注释

2022-02-25

transformer_torch.zip

1.使用pytorch从零实现了transformer,总共包含一个编码器和一个解码器。其中解码器和编码器包括多头注意力机制、全连接层、Layernorm、残差连接。 2.使用了一个数据集进行了测试,测试了模型效果 3.与pytorch官方transfomer进行了对比

2022-02-25

基于pytorch从头实现了单向,多层,双向LSTM,给出了完整使用代码,并与torch自带的LSTM进行了对比实验

基于pytorch从头实现了单向,多层,双向LSTM,给出了完整使用代码,并与torch自带的LSTM进行了对比实验。

2022-02-24

paddle_RNN_LSTM(3).zip

基于paddle从头实现了单向,多层,双向LSTM,给出了完整使用代码,并与paddle自带的LSTM进行了对比实验。

2021-12-31

NGSIM数据集.zip

NGSIM trajectory prediction,论文《UB-LSTM:A trajectory prediction method combined with vehicle behavior recognition》的数据。

2021-11-03

python+RELM+OS-ELM+FOS-ELM+代码实现-实例验证+算法比较.rar

极限学习机ELM是一类Single-hidden Layer Feedforward Neural Network(SLFNs)算法,由Huang等基于 Moore-Penrose 广义逆的理论提出,主要针对SLFNs中存在的学习速率慢,迭代时间长,学习参数如学习步长、学习率需要人为提前设置等问题。与传统的神经网络学习算法相比,ELM只需要设置合适的隐层节点数,随机生成隐层所需所有参数,利用最小二乘法确定输出层权值。整个学习过程只需一步而无需多次更新隐层参数。正是因为ELM算法的快速学习能力以及较强的非线性逼近能力等特点,使得ELM在实际应用中受到了研究者们的青睐。 本代码给出了实现正则化极限学习机(RELM)、在线学习的极限学习机(OS-ELM)、带遗忘机制的在线学习极限学习机(FOS-ELM)使用python进行了实现,并基于一个简单的数据集对三种算法进行了比较,并比较了不同隐藏层节点对性能的影响。

2021-11-01

vehicle_trajectory_prediction_combined_with_behavior_recognition.zip

本人毕业论文<<基于LSTM的动态环境车辆轨迹预测>>核心章节第四章的源代码,也是本人论文"UB-LSTM:A trajectory prediction method combined with vehicle behavior recognition" 的源代码.对研究轨迹预测应该具有帮助,里面包含了数据处理,交互信息提取和模型构建,数据加载训练的全过程.使用的数据集包括NGSIM数据集和实验室智能车采集的实车数据集.本算法已经实现了实车运用.

2021-06-17

xhp_flow_frame.zip

一个基于numpy写的深度学习小框架,可以帮助深入了解深度学习的原理.

2021-06-17

NGSIM处理数据.zip

对NGSIM数据做了交互信息处理后的保存的数据集,与原数据集相比,这里面包含了车辆的交互信息。

2021-06-10

gcc_upgrade.zip

ubuntu16.04离线升级GLIBXX_3.4.21,paddle2.0.2需要升级. 使用方式如下: strings /usr/lib/x86_64-linux-gnu/libstdc++.so.6 | grep GLIBCX cd gcc-4.9 sudo dpkg -i *.deb cd libstdc++6 sudo dpkg -i *.deb #最后一步可能报错,但那不重要,因为里面还包括很多其他与gcc-4.9无关的库. strings /usr/lib/x86_64-linux-gnu/libstdc++.so.6 | grep GLIBCX

2021-06-09

jupyters.zip

ubuntu16.04中python版本为3.5,pip为20.3.4,下载的jupyter包,里面包含很多的依赖包,适合用于离线安装jupyter. 安装方式如下: cd jupyters pip3 install ./* 如果启动报错,请根据报错信息修改代码即可.

2021-06-09

python3.7.zip

在ubuntu 16.04 上源码编译好的python3.7.2,适合离线安装Python使用.使用方式如下: sudo cp -r python3.7 usr/local/ sudo ln -s /usr/local/python3.7/python3.7 /usr/bin/python3.7 sudo ln -s /usr/local/pip3.7 /usr/bin/pip3.7 #执行python3.7可会报错:没有权限 #那么接着执行 sudo chmod 777 /usr/bin/python3.7 sudo chmod 777 /usr/bin/pip3.7

2021-06-09

downdeepwine.sh

下载deepwine安装包并安装,解决使用deepwine安装软件后无法启动的问题.

2021-05-07

xhp_flow.zip

深度学习框架搭建,python,深度学习,人工智能

2021-01-03

nat123ubuntu.zip

这是一款支持讲局域网发布到外网的工具,使外网也可以访问局域网,实现不同网络间的通信,发布的na123软件,支持ubuntu使用,具体的使用方法可参考我的博客。

2020-04-14

udp_2_video_transmit.tar.gz

python使用udp和opencv2 通信进行两路视频同时传送接收以及pygame分屏显示,可使用于监控设备和其他摄像设备的远程使用

2019-07-06

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除