weixin_41686431的博客

如果不关闭虚拟机设置的这个【加速3D图形】，后面运行gazebo的时候无法显示地图。二，打开终端，进入AVP_SLAM demo的工作空间，运行setup.bash。四，根据demo教程运行launch文件，比如是在建图阶段（Mapping）一，检查虚拟机的设置，关闭3D图形选项的【加速3D图形】就可以通过键盘控制机器人在地图上运动完成建图啦！再打开第二个新的终端，运行。再打开第三个新的终端，运行。三，运行roscore。

1，Carla和carla-ros-bridge的启动命令。1.2，再添加source path。1.3, 启动ROS-bridge。1.1，首先启动Carla。

环境设置：识别主机系统是x86_64还是aarch64, 并修改对应的.env和.workspace.json配置。

启动CARLA命令： ./CarlaUE4.sh -prefernvidia。

输入命令：ubuntu-drivers devices。输入命令验证是否禁用成功，没有反馈就是成功了。禁用，不然可能会和nvidia驱动产生冲突。查询对应驱动版本并下载。

分配/home分区为320G，选择Logical；/home用来放工程代码和文件资料数据集；分配/usr分区为100G，选择Logical；/usr用来放安装的应用软件和工具包；插入启动U盘，开机按 F12 ：选择自己的启动U盘。选择Install Ubuntu。这里就不写了，网上教程一大堆。ubuntu系统安装完成。

Transformer的编码器-解码器是基于自注意力的模块叠加而成的，源序列（Input）和目标序列（Target）的嵌入（Embedding）表示将加上位置编码（Positional encoding）,再分别输入到编码器和解码器中。从宏观角度来看，Transformer的编码器是由多个相同的层叠加而 成的，每个层都有两个子层（子层表示为sublayer第一个子层是多头自注意力（汇聚；第二个子层是基于位置的前馈网络（具体来说，在计算编码器 的自注意力时，查询、键和值都来自前一个编码器层的输出，

最终输出的形状:(batch_size*num_heads,查询或者“键－值”对的个数, num_hiddens/num_heads)# 输出X的形状:(batch_size，num_heads，查询或者“键－值”对的个数, num_hiddens/num_heads)# 输出X的形状:(batch_size，查询或者“键－值”对的个数，num_heads，num_hiddens/num_heads)# valid_lens的形状：（batch_size, ）或者（batch_size, 查询的个数）

9.4, 定义小批量随机梯度下降函数来优化模型的损失函数，注意updater是更新模型参数的常用函数，它接受。# 9.3, 实现训练函数，它会在train_iter访问的训练数据集上训练一个模型net，该训练函数。# 9, 训练, 定义一个函数来训练一个迭代周期，updater是更新模型参数的常用函数，它接受。# 由于有10个类别，那么权重将是784x10的矩阵，偏置将构成一个1x10的行向量，# 4.1 数据集中每个样本是28x28的图像，将该图像展平为一维向量为784长度，

2.2 循环后有重置的Iterator(在__next__()的raise StopIteration语句前进行处理。中的数据被遍历过一遍时，要__next__()负责抛出StopIteration异常，的__next__()方法，将__next__()返回值赋给循环变量。__iter__()方法返回一个迭代器对象，一般是self，这个返回的对象必须。一次__iter__()，然后每次循环时调用这个__iter__()返回的对象。# 该类一定要包含__iter__和__next__方法。

通过从均值为0、标准差为0.01的正态分布中采样随机数来初始化权重，并将偏置初始化为0。# 2.1 创建一个函数打乱数据集中的样本，获取小批量样本用于训练。"""生成 y = Xw + b + e(噪声)"""# 该函数接收批量大小、特征矩阵和标签向量作为输入，生成。# 5.1 定义损失函数Loss Function.# 6.1 定义优化函数, 小批量随机梯度下降优化。#这些样本是随机读取的，没有特定的顺序。# 大小为batch_size的小批量样本。# 2.2 读取第一个小批量数据样本并打印。

一般.condarc文件在C:\Users\lenovo目录下，如果.condarc文件找不到的话，可以设置隐藏项目可见，如果还是找不到，是因为没有在cmd命令中输入 conda config命令，只有第一次输入该命令之后，系统才会自动创建.condarc文件。将源修改为如下的链接。（添加镜像源，注意是http，而非https，因为https有时候会出现连接错误的问题，改成http后不会再出现此类问题。（关掉验证，对于http来说，走的是明文传输，不加密的，就不需要验证，其中信息的加密方式为SSL）