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(20)
  • 收藏
  • 关注

原创 C++(1)

C++(1)常量定义作用:用于记录程序中不可更改的数据C++定义常量两种方式#define 宏常量: #define 常量名 常量值通常在文件上方定义,表示一个常量const修饰的变量 const 数据类型 常量名 = 常量值通常在变量定义前加关键字const,修饰该变量为常量,不可修改运算除10 / 3 = 3 //两个整数相除结果依然是整数 、除数不可以为0//取模10 % 3 =1 //取模运算时,除数也不能为0 两个小数不可以取模sizeof:统计数据类型所占内存大

2021-12-14 18:32:04 10

原创 docker镜像默认路径修改

我用的是Ubuntu 16.04, 根目录当时是我自己分配的空间,只有30G, 当时以为够用。 经过了一年半载的折腾,不够用了。最近安装了Docker,发现空间已经捉襟见肘了。默认 Docker 的镜像文件是安装在/var/lib 目录下的, 得想办法给它移出来。解决方案如下:方案1, 使用参数-g 来修改 Docker 的镜像存储文件夹.修改方法如下:在 Ubuntu 系统下:编辑 /etc/default/docker 文件, 添加-g 参数的设置, 如下:DOCKER_OPTS="-dn

2021-11-25 15:14:25 161

原创 docker通讯原理

Docker 通讯机制docker inspect container_name/container_id 看桥链接信息网关172.17.0.1 ip地址 172.17.0.3在运行一个容器网关172.17.0.1 ip地址 172.17.0.2实现互通上述方式如果只用默认网桥会影响带宽,所以需要构建自己的网桥Docker网络使用a 默认网桥docker network ls 查看默认网桥 name为 bridge有如下指令b 自定义桥连接docker network

2021-11-11 17:34:48 11

原创 docker笔记

启动镜像停止所有的容器 docker stop $(docker ps -aq)删除所有容器 docker rm $(docker ps -aq)删除所有镜像 docker rmi $(docker images -q) 强制删除 docker rmi -f $(docker images -q)拉取镜像 docker pull [options] name[:tag|@digest]查看运行中/所有容器docker ps -a重新启动已经退出的容器docker restart ngin

2021-11-10 09:07:05 8

原创 MOOC ROS8 Navigation Stack

路径规划,导航,机器人运动的调整等

2019-07-12 11:37:06 234

原创 MOOC ROS7 SLAM和MAP

ROS常用来开发:SLAM 路径规划 机器视觉SLAM:同步定位和建图SLAM常用的

2019-07-11 17:35:01 257

原创 MOOC ROS 6 tf&urdf

frame指的是坐标系,不同的frame之间联通都通过boardcaster(相当于nodes,publisher)来向/tf topic发送消息向/tf

2019-07-11 11:18:27 197

原创 MOOC ROS4常用工具

rvizroslaunch robot_sim_demo robot_spawn.launchrvizadd添加机器人模型 要改fixed frameadd camera image topic;里面选择监听哪一个,和之前image——view功能一样,只是通过rviz更方便的显示add lasercan (激光雷达)tiopic 选/scan 得到扫出来的障碍物的距离运行r...

2019-07-05 12:27:02 124

原创 mooc ROS3 通信方式

topic

2019-07-05 09:25:26 206

原创 mooc ROS笔记2 ROS通信架构

2019-07-05 09:25:04 151

原创 MOOC ROS笔记 1

工程结构(文件系统级)catkin:ROS定制的编译构建系统 对CMake的扩展(用来编译ros程序的)catkin工作空间:组织和管理功能包的文件夹,以catkin工具编译...

2019-07-05 09:24:32 422

原创 pibot

pibot tar解压后原因 window到linux 方法:catkin_make-i

2019-06-26 17:14:52 16

原创 吴恩达DL lesson5 第一周 第五门课 序列模型(Sequence Models)

1.1 为什么选择序列模型?(Why Sequence Models?)语音识别:将输入的语音信号直接输出相应的语音文本信息。无论是语音信号还是文本信息均是序列数据。音乐生成:生成音乐乐谱。只有输出的音乐乐谱是序列数据,输入可以是空或者一个整数。情感分类:将输入的评论句子转换为相应的等级或评分。输入是一个序列,输出则是一个单独的类别。DNA序列分析:找到输入的DNA序列的蛋白质表达的子序...

2019-05-24 10:09:15 334

原创 吴恩达DL lesson5 第二周 第五门课第二周 自然语言处理与词嵌入(Natural Language Processing and Word Embeddings)

2.1 词汇表征(Word Representation)用one-hot表示,使得每一个词都是独立没有联系的,两个向量相乘都是0,不能获取词与词之间的关联相似性。解决办法 特征表征:词嵌入利用不同的特征来对各个词汇进行表征,这样产生的向量使得词之间的相似性很好的表现出来,算法的泛化性也更好。t-SNE算法将高维的词向量映射到2维空间(这个过程被称为嵌入embeddings),对词向量...

2019-05-24 10:08:23 215

原创 吴恩达 深度学习 编程作业(4-2)- Keras tutorial - the Happy House & Residual Networks

1. HAPPYMODELimport numpy as npfrom keras import layersfrom keras.layers import Input, Dense, Activation, ZeroPadding2D, BatchNormalization, Flatten, Conv2Dfrom keras.layers import AveragePooling2...

2019-02-26 14:53:19 244

原创 吴恩达DL lesson3 week1

1.1 为什么是ML策略?(Why ML Strategy?)当你尝试优化一个深度学习系统时,你通常可以有很多想法可以去试,问题在于,如果你做出了错误的选择,你完全有可能白费6个月的时间,往错误的方向前进,在6个月之后才意识到这方法根本不管用。例如收集更多训练数据训练集的多样性不够,收集更多的具有多样性的实验数据和更多样化的反例集.使用梯度下降法训练更长的时间尝试一个不同的优化算法,例...

2019-02-21 16:45:03 176

原创 吴恩达DL lesson2 week3

3.1 调试处理(Tuning process)关于训练深度最难的事情之一是你要处理的参数的数量1学习速率α2Momentum(动量梯度下降法)的参数β3如果使用Adam 优化算法的参数β1,β2,ε,但是通常使用默认值:0.9,0.999,10−84mini-batch 的大小5不同层中隐藏单元的数量6层数7学习率衰减率常用超参数搜索https://www.cnblogs.c...

2019-02-21 10:40:22 164

原创 吴恩达DL lesson2 week2

2.1 Mini-batch 梯度下降(Mini-batch gradient descent)把训练集分割为小一点的子集训练,这些子集被取名为mini-batch,

2019-02-20 11:07:39 176

原创 ubuntu16.04 pycharm配置anaconda并安装tensorflow

创建环境最好重新建一个环境conda create -n your_env_name python=X.X激活环境activate your_env_name安装tensorflow(安装对应的版本)pip install tensorflow-gpu==1.9.0同时在这个激活环境中安装cuda 和cudnn也是可以的在pycharm中更改成anaconda中的python...

2019-02-20 11:04:48 14 1

原创 吴恩达DL lesson2 week1

1.1训练,验证,测试集(Train / Dev / Test sets)测试集和验证集的区别验证集用于进一步确定模型中的超参数(例如正则项系数、ANN中隐含层的节点个数等)而测试集只是用于评估模型的精确度(即泛化能力)简而言之就是:验证集 核对的是 模型可训练参数的 泛化能力测试集 核对的是 模型超参数的 泛化能力大家要确保验证集和测试集的数据来自同一分布,因为你们要用验证集来评估不...

2019-02-03 22:49:19 134

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

提示
确定要删除当前文章?
取消 删除