- 博客(4)
- 收藏
- 关注
RSS订阅原创 pytorch安装是否成功
本文介绍了验证PyTorch GPU版本安装是否成功的步骤。首先检查PyTorch版本(应为2.9.1+cu128)，然后确认torch.cuda.is_available()返回True，并验证GPU设备信息。若CUDA不可用，需检查NVIDIA驱动版本是否≥12.8，必要时更新驱动。成功验证后，即可在GPU上运行深度学习模型训练。本文提供了完整的PyTorch GPU环境配置验证流程，确保RTX5070显卡能充分发挥性能优势进行模型训练。
2026-01-06 20:41:34
448
原创 anaconda安装基础问题
摘要：conda create -n pytorch python=3.9命令用于创建Python 3.9的PyTorch环境。若环境已存在，Conda会询问是否覆盖。选择"n"可保留原环境（推荐），"y"会删除原环境（需重装依赖包）。建议方案：1)保留原环境直接激活；2)重建环境需重装依赖；3)创建不同名环境（如pytorch39）避免冲突。关键注意同名环境唯一性和删除不可恢复的特性。
2026-01-06 19:52:27
311
原创 [WARN] [1762321041.216927843] [multi_waypoint_nav]: Navigation failed at waypoint 2 with status: 6
在 ROS 2 导航系统（如 Nav2）中，status: 6 是导航动作（NavigateThroughPoses）返回的错误状态码，对应的含义是 “路径规划失败（Path Planning Failed）”。地图可能存在误差（如未更新的动态障碍物被误标为自由空间），或航点的 frame_id 与地图坐标系（通常为 map）不匹配，导致规划器无法正确解析位置。若存在动态障碍物，尝试清除或避开；机器人当前位置到第 2 个航点的直线或潜在路径上存在障碍物（静态障碍物如墙壁，或动态障碍物如突然出现的物体）。
2025-11-16 17:01:39
221
原创 自动驾驶车辆基于视觉的多任务感知研究方法
视觉多智能体协同技术正推动智能设备从"单打独斗"向"团队协作"转变。这项技术通过视觉传感器实现信息共享与协同决策，已在智慧仓储、农业无人机等领域展现出显著优势。技术发展经历了从简单信息传递到深度学习特征共享，再到动态协同的演进过程。当前仍面临动态环境识别、数据传输延迟和多任务分配等挑战，解决方案包括多模态融合、边缘计算等。未来将在智能家居、应急救援和自动驾驶等领域实现更广泛应用，其核心价值在于让智能设备像人类一样高效协作，突破单设备的能力限制。随着算法优化和技术进步，
2025-11-16 16:47:43
992
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