qq_47978640的博客

最近在学习mysql时，在windows中掌握datagrip后，尝试在linux中使用mysql，为了使用方便，在docker中获取mysql镜像，创建容器来使用。

尝试各种解决方法仍没有解决，原因未知。

对于复杂环境，JPS在绝大多数情况下性能远超Astar，JPS可以快速找到关键节点，省去将稠密的邻居节点全部加入open list的过程，对open list的维护代价会小很多。JPS算法，即跳点算法，在Astar的基础上，改变寻找邻居节点的方式：即区别仅在于拓展节点的方式由全部周围节点改为仅拓展起作用的关键节点。但如果地图范围很大，很空旷，JPS性能可能比Astar要差，而且在带有权重的图中，JPS不能使用，而Astar可以。改进——Lazy collision-checking。

补全JPS算法代码，实现了确定一个终点，将同时规划出两条由起点到终点的路径，一条由A*算法规划得出，另一条由JPS算法规划得出，同时终端还会输出两类算法规划路径所需的time，cost，visited_nodes，下图绿色为Astar算法规划的路径，红色为JPS算法规划的路径，终端输出两类算法的具体信息。但又发现一个问题，当选定不同的目标点时，有时可以规划出路径，有时会报错，经过多次尝试发现当目标点设置的z坐标高于点云地图设置的高度时，便会报错，即当设定的目标点超出设定的地图范围时，便会报错。

树莓派中docker安装ros

本文介绍了在学习百度开源框架paddlepaddle进行强化学习设计时遇到的问题以及解决方法

之前由于根目录不足，尝试扩容后失败，被迫卸载并重装虚拟机。彻底卸载Windows10彻底卸载VMWare虚拟机详细步骤上次安装vm16+ubuntu20，这次选择更稳定的版本vm15+ubuntu18.04vm15.5+ubuntu18.04

1. matplotlib的三层api用Artist对象在画布(canvas)上绘制(Render)图形绘图区：matplotlib.backend_bases.FigureCanvas渲染器（画笔）：matplotlib.backend_bases.Renderer图表组件：matplotlib.artist.Artist2. Artist的分类primitive：曲线Line2D，文字text，矩形Rectangle，图像image等。container：图形figure、坐标系Axes

1. 什么是Matplotlib?python2D绘图库可绘制静态，动态，交互图表2. 一个最简单的绘图例子pyplot.subplots——创建figure和axesAxes.plot——绘制折线图import matplotlib.pyplot as pltfig, ax = plt.subplots() # 创建一个包含一个axes的figureax.plot([1, 2, 3, 4], [1, 4, 2, 3]); # 绘制图像plt.show()运行结果matp

Ubuntu虚拟机安装NS3，这回真的是零基础！Ubuntu 20.04 apt 更换国内源的实现方法在NS-3中安装可视化工具pyviz的一些问题的解决以下命令来自ns3官方安装流程官方文档Ubuntu 20.04安装ns3Ubuntu 20.04安装ns3配置依赖网址官方说明文档linux系统“s段错误 (核心已转储)“错误解决的解决task in ‘ns3-wifi’ failed或者‘ns3-network‘ failed错误获取..

安装anaconda遇到的问题：无法连接网络大量文件丢失，开始栏根本无法找到anaconda相关文件管理员运行？环境变量是否自动配置?All Users?默认路径？美关系.condarc文件的作用？删高版本问题？目前没啥影响清华镜像源，中科大镜像源？没用到解决方案：参考方案：原文链接https://blog.csdn.net/qq_50588811/article/details/119113610https://blog.csdn.net/qq_42316621/arti

安装Anaconda：安装基本没有问题，安装成功后发现Anaconda Navigator打不开。1. conda CondaHTTPError: HTTP 404 NOT FOUND for url：Anaconda Prompt显示：CondaHTTPError: HTTP 404 NOT FOUND for url <http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/free/noarch/repodata.json>

李宏毅机器学习Task06——卷积神经网络CNN仅作为学习笔记为什么要用卷积神经网络简化神经网络的架构用power-knowledge 去把原来全连接层中一些参数拿掉就成了CNN。为什么我们有可能把一些参数拿掉（为什么可以用比较少的参数可以来做影像处理这件事情）？大部分的 模式其实要比整张的图像还要小，对一个neural来说，假设它要知道一个图像里面有没有某一个模式出现，它其实是不需要看整张图像，它只要看图像的一小部分。同样的pattern在image里面，可能会出现在image不同的部

李宏毅机器学习仅作为学习笔记，如有问题请指正视频链接：2019版2021版开源内容：githubgitee2021版2021版datawhale笔记学习规划Task01:机器学习介绍Task02:回归Task03:误差和梯度下降Task04:深度学习介绍和反向传播机制Task05:网络设计技巧Task06:卷积神经网络Task07:总结机器学习介绍左边这个部分叫training，就是学习的过程；右边这个部分叫做testing，学好以后你就可以拿它做应用