qyczyr的专栏

return _message.default_pool.FindFieldByName(full_name)KeyError: "Couldn't find field google.protobuf.FileOptions.javanano_use_deprecated_package"解决：pip install --force-reinstall --upgrade p

环境： ubuntu16.04 GTX10501. 安装cuda8.0下载地址：https://developer.nvidia.com/cuda-downloads（1）按 ctrl+alt+F1 进入tty， 登录tty后输入如下命令sudo service lightdm stop该命令会关闭lightdm。（2）屏蔽集显sudo vim /etc/modprobe.d/blacklist.c

问题：warning: http.proxy has multiple values方法：git config --global --unset-all  http.proxy成功：Cloning into 'kmeans'...remote: Counting objects: 7, done.remote: Total 7 (delta 0), reused 0

1. 安装双系统本人电脑是（惠普(HP)暗影精灵II代Pro 精灵绿 15.6英寸游戏笔记本(i7-7700HQ 8G 128GSSD+1T GTX1050Ti 4G独显 IPS FHD）， 电脑默认安装win10在ssd上,因为需要跑深度学习所以安装Ubuntu16.04.（14.04出错）（1）用ultraiso制作U盘启动盘，然后进行安装。 安装比较简单，就是需要注意的是

前向传播template <typename Dtype>void SoftmaxLayer<Dtype>::Forward_cpu(const vector<Blob<Dtype>*>& bottom, const vector<Blob<Dtype>*>& top) { const Dtype* bottom_data = bottom[0]->cpu_data(); Dtyp

参考网址： http://sebastianruder.com/optimizing-gradient-descent/index.html#gradientdescentvariants http://caffe.berkeleyvision.org/tutorial/solver.html 在caffe中实现了六种优化方法，如下：Stochastic Gradient Descent (

1 简介libjpeg一个图片解码库，在项目中需要读入图片，但不想依赖opencv的接口，这时可以libjpeg完成解码。libjpeg有两个版本，一个时原装的libjpeg，另一个则是libjpeg-turbo，这是一个使用 SIMD指令加速的解码库，大约是libjpeg的3倍的速度，代码参见 https://github.com/libjpeg-turbo/libjpeg-turbo2 编译下

暂时提交 caffe训练网络的执行脚本如下（例如运行lenet）./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototx在Qt中运行的时候，参考http://blog.csdn.net/qyczyr/article/details/70216300程序执行入口啊在src/caffe/tools/caffe.cpp

Qt caffe单步调试(1) 打开Qt，导入CakeList.txt进去，如图所示： (2) 在Projects左边的菜单栏下，设置工作目录，以及运行的程序和参数，如下： (3)点击运行或者Debug进行调试，运行mnist,需提前下载好mnist数据

使用cifar10训练1. 参数设置net: "examples/cifar10/cifar10_quick_train_test.prototxt" #训练和测试网络的配置文件test_iter: 100 #进行一次测试需要的迭代次数，因为测试时，batch为100,一共10000张测试图片所以此处为100test_interval: 500 #测试间隔base_lr: 0.001 #基础学

1. 安装qt2. 导入catkin_ws下src下的CMakeList文件

运行环境: ubuntu14.04 ros版本： indigo一. 安装srgbdV2 slam1. 创建catkin工作空间：这里为rgbdslam单独创建一个catkin工作空间。#首先新建文件夹mkdir -p src#进入新建的文件夹cd ~/rgbdslam_catkin_ws/src#将其初始化为catkin工作空间的源码存放文件夹

gampping算法和rtab-map slam算法对比很开心最近有机会对比slam算法。gmappinggmapping算法是通过粒子滤波的方法实现，这种方法一般需要大量的粒子来获取好的结果,但这必会引入计算的复杂度;粒子是一个依据过程的观测逐渐更新权重与收敛的过程,这种重采样的过程必然会代入粒子耗散问题(depletion problem), 大权重粒子显著,小权重粒子会消失(有可能正确的粒

一.准备 学习网址： https://class.coursera.org/ntumltwo-002/lecture二.课程内容2.1复习 上一讲主要讲解了blending and bagging。blending的主要思想是为了把我们手上的小区合并成一个大区，可以通过uniform,no-uniform的方法进行投票，如果我们手上还没有一堆小区，可以通过bootstrapping来反复产生

为了自主控制turtlebot的行走，我们需要在代码中实现。一.准备 在这个过程中，我们需要知道向哪一个主题发送消息。网上说是cmd_vel，但是我尝试并未成功。我们可以使用rostopic list，查看当前输出活动主题的列表。我们可以看到/cmd_vel_mux/input/teleop就是我们需要的，代码如下： young@young-Lenovo:~$ rostopic list

1. 进入到驱动包中2. make3. sudo make install

刚开始的时候我总是搞不清楚AHRS和 IMU的区别。。不知道这有什么区别。。后来慢慢的慢慢的，我理解了～AHRS 俗称航姿参考系统，AHRS由加速度计，磁场计，陀螺仪构成，AHRS的真正参考来自于地球的重力场和地球的磁场～～他的静态终精度取决于对磁场的测量精度和对重力的测量精度 ,而则陀螺决定了他的动态性能。　　这就是AHRS～在这种前提下。说明AHRS离开了地球这种有重力和磁场环境的时候是没法正常

1.贝叶斯法则机器学习的任务：在给定训练数据D时，确定假设空间H中的最佳假设。最佳假设：一种方法是把它定义为在给定数据D以及H中不同假设的先验概率的有关知识下的最可能假设。贝叶斯理论提供了一种计算假设概率的方法，基于假设的先验概率、给定假设下观察到不同数据的概率以及观察到的数据本身。2.先验概率和后验概率用P(h)表示在没有训练数据前假设h拥有的初始概率。P(h)被称为h的先验

c++ endl是一个操作符，效果是结束当前行，并刷新缓冲区。如果仅因为缓冲区没有刷新，程序员将浪费大量的时间跟踪调试并没有执行的代码，基于这个原因，输出时应多使用endl而非’
’,使用endl不会担心程序崩溃时输出是否悬而未决(即还留在缓冲区中，未输出到设备中)。

值得学习的C语言开源项目- 1. WebbenchWebbench是一个在linux下使用的非常简单的网站压测工具。它使用fork()模拟多个客户端同时访问我们设定的URL，测试网站在压力下工作的性能，最多可以模拟3万个并发连接去测试网站的负载能力。Webbench使用C语言编写, 代码实在太简洁，源码加起来不到600行。下载链接：http://home.tiscali.cz/