- 博客(75)
- 收藏
- 关注
RSS订阅原创 小米机试 2048
2048》是一款热门的数字游戏。游戏中，每个方块上的数字都有2的幂，数字方块会根据指令整体进行上下左右移动，如果两个数字相同的方块在移动中碰撞，他们就会合成一个新的方块。从左到右遍历，如果a[i][j] == a[i][j+1]则让 a[i][j] += a[i][j]重新用一个空矩阵，把a的值挨个复制进去。同时清除 a[i][j+1] = 0。最后删掉数组中的0元素。
2024-08-09 15:55:00
290
原创 编程面试中常考的题目类型
数组与字符串操作：处理数组元素、字符串操作、字符数组等。链表问题：单向链表、双向链表、循环链表的操作，如反转链表、查找链表中的环等。树与图问题：二叉树遍历（前序、中序、后序）、二叉搜索树操作、图的遍历（深度优先搜索、广度优先搜索）等。排序与搜索算法：实现不同的排序算法（冒泡、选择、插入、快速、归并等）和二分查找等。动态规划：解决最优化问题，如最长公共子序列、背包问题、股票买卖问题等。栈与队列：实现栈和队列，以及相关的算法问题，如用栈实现队列、逆波兰表达式求值等。递归与迭代：编写递归函数解决问题
2024-08-09 10:01:56
179
原创 吃肉的刷题记录7-牛客HJ1 字符串最后一个单词的长度
计算字符串最后一个单词的长度，单词以空格隔开，字符串长度小于5000。（注：字符串末尾不以空格为结尾）输入一行，代表要计算的字符串，非空，长度小于5000。输出一个整数，表示输入字符串最后一个单词的长度。最后一个单词为nowcoder，长度为8。
2024-07-29 17:03:52
208
原创 吃肉的刷题记录6-206.反转链表
给你单链表的头节点 head ，请你反转链表，并返回反转后的链表。示例 1：输入：head = [1,2,3,4,5]输出：[5,4,3,2,1]
2024-07-29 16:14:53
209
原创 吃肉的刷题记录6-leetcode.205.同构字符串
每个出现的字符都应当映射到另一个字符，同时不改变字符的顺序。不同字符不能映射到同一个字符上，相同字符只能映射到同一个字符上，字符可以映射到自己本身。如果 s 中的字符可以按某种映射关系替换得到 t ，那么这两个字符串是同构的。输入：s = “paper”, t = “title”用哈希表记录映射关系，用集合检查t中的字符是否出现过。给定两个字符串 s 和 t ，判断它们是否是同构的。输入：s = “egg”, t = “add”输入：s = “foo”, t = “bar”
2024-07-29 14:53:46
149
原创 吃肉的刷题记录5-leetcode.328.奇偶链表
头节点是奇数节点，头节点的后一个节点是偶数节点，相邻节点的奇偶性不同。更新偶数节点时，偶数节点的后一个节点需要指向奇数节点的后一个节点，因此令 even.next = odd.next，然后令 even = even.next，此时 even 变成 odd 的后一个节点。更新奇数节点时，奇数节点的后一个节点需要指向偶数节点的后一个节点，因此令 odd.next = even.next，然后令 odd = odd.next，此时 odd 变成 even 的后一个节点。来源：力扣（LeetCode）
2024-07-29 14:23:41
228
原创 吃肉的刷题记录2-贪心
让我们来看一个简单的贪心算法的例子——硬币找零问题。它先将硬币面额按降序排列，然后从最大面额开始尝试使用尽可能多的该面额硬币，直到剩余的金额不足以使用更大的面额为止。贪心算法是一种在每一步选择中都采取在当前状态下最好或最优（即最有利）的选择策略，以便产生全局最优解的算法思想。这种局部最优的选择通常基于某种特定的度量标准，它试图通过一系列最佳选择来构建最终的解决方案。注意，这个贪心算法假设硬币的面额是有规律的（例如美国硬币系统），在这种情况下，它总是能给出最少的硬币数量。的硬币，但实际上最优解是两个面额为。
2024-07-28 16:05:50
738
原创 吃肉的刷题记录1-动态规划
动态规划是一种强大的算法工具，它通过将问题分解为重叠的子问题，并存储子问题的解来优化计算过程。掌握动态规划的关键在于识别问题是否具有重叠子问题和最优子结构特性，以及如何定义状态和状态转移方程。在这个问题中，我们可以定义dp[i]为跳上第i级台阶的不同跳法数量。
2024-07-28 14:05:49
603
原创 论文《Planning-oriented Autonomous Driving》详细解析
现代自动驾驶系统被描述为顺序执行的模块化任务，即感知、预测和规划。为了执行各种任务并实现高级别智能，当前的方法要么为每个任务部署独立的模型，要么设计带有独立头的多任务范式。然而，这些方法可能会受到累积错误或任务协调不足的影响。本文提出了一种理想的框架，即应当设计和优化以实现自动驾驶汽车的最终目标，即规划。为此，我们重新审视了感知和预测中的关键组件，并优先考虑这些任务，使它们有助于规划。
2024-05-29 14:00:37
1772
原创 论文《Visual Point Cloud Forecasting enables Scalable Autonomous Driving》详细解析
该论文提出了一种新的预训练任务，称为“视觉点云预测”（Visual Point Cloud Forecasting），从历史视觉输入中预测未来的点云。论文介绍了ViDAR模型，通过这种方法显著提高了多种下游任务（如感知、预测和规划）的性能。历史编码器：提取来自多视角图像序列的BEV嵌入。潜在渲染操作符：模拟体渲染操作，将历史嵌入转换为几何嵌入。未来解码器：自回归地预测未来的BEV特征，生成未来的点云。
2024-05-29 13:57:54
1033
原创 论文《Sensor and Sensor Fusion Technology in Autonomous Vehicles: A Review》详细解析
文章还提供了一些表格和图表，例如表1总结了自动驾驶系统中传感器和传感器融合技术的最新研究，图1展示了SAE J3016标准中描述的六个驾驶自动化级别。
2024-05-29 10:38:21
265
原创 论文《An Online Automatic Calibration Method Based on Feature Descriptor for Non-Overlapping Multi-Came
该论文提出了一种基于特征描述符的非重叠多摄像机系统的在线自动标定方法。该方法无需初始外参参数，通过特征匹配和优化过程实现高效、精准的外参标定。论文在2018年IEEE国际机器人与仿生学会议上发表。
2024-05-29 10:26:16
259
原创 论文《Efficient Online Calibration for Autonomous Vehicle’s Longitudinal Dynamical System: A Gaussian M
该论文提出了一种高效的在线标定系统，用于无人驾驶汽车的纵向动力学系统。不同于传统的解析建模方法，作者采用数据驱动的方法生成了一个“端到端”的数值模型，该模型通过查找表（look-up table）保存车辆的速度、控制命令和加速度。为了减少标定过程中的高昂劳动力，该研究提出了一种基于高斯模型的方法来更新查找表。离线查找表生成根据控制命令和速度的可行范围，收集车辆在不同固定控制命令下的速度和加速度数据。生成查找表，并通过调整地面不平度引起的俯仰角影响来校正加速度。在线查找表校准。
2024-05-29 09:58:24
257
原创 论文《Online Intelligent Calibration of Cameras and LiDARs for Autonomous Driving Systems》概述
该论文提出了一种新颖的在线外参标定管道，专门用于自主驾驶应用中的单目RGB相机和LiDAR之间的自动外参标定。开发了一套完整的自动标定管道。无需初始外参值的标定初始化阶段。结合深度估计和边缘检测以提高标定的精度和鲁棒性。随着自动驾驶技术的发展，多传感器融合（特别是RGB相机和LiDAR之间的融合）变得至关重要。LiDAR提供360度高精度的深度信息，而RGB相机提供高分辨率的颜色和纹理信息。将这两种传感器集成在一起可以实现更为鲁棒的3D目标检测和实例分割。精确的外参标定对于这些任务至关重要。
2024-05-29 09:52:45
384
原创 测试docker GPU性能损失
NVIDIA 3090 利用HSOpticalFlow代码测试docker GPU性能损失docker介绍图如下：形象生动展示了他们之间的关系今天要测试docker容器运行HSOpticalFlow算法的性能损失，包括CPU和GPU上一篇博客我已经介绍了使用docker和nvidia containers toolkit使用容器复现的过程，加入计算时间的代码页贴出来了：这篇文章与docker中的运行速度做比较。
2024-05-10 08:54:39
694
原创 Nvidia docker 验证HSOpticalFlow
前情提要：docker是dotCloud 公司为了数据库研发的，所以仅支持CPU和数据交换的部分，nvidia公司觉得这是个好东西，自己派人研发了GPU相关的部分，取名为NVIDIA Container Toolkit，我们可以理解为docker+GPU插件，以后深度学习的环境可以用这个，就不用改中间件版本了。
2024-05-09 16:45:59
326
原创 yolov8训练自己数据集的一些小细节
例如我用yolov8s.pt预训练,它也会自动加载yolov8n.pt,因为yolov8n.pt是基础模型,其他的s,m,l,x都是在此基础上修改的网络大小,只有yolov8n是原始的那个。然后模型方面,只要不是用的yolov8n.pt预训练的,都会额外下载这个yolov8n.pt。yaml文件读取路径的时候,个人猜测是依靠替换字符串找标签的,然后就能直接载入数据了。这里要保证两个对齐,
2024-04-11 16:16:47
270
原创 从win11切换到ubuntu20的第1天
我不想做双系统，反正win11也没有意思，打游戏直接去网吧，所以电脑直接重装了ubuntu20，为什么不是ubuntu22？因为版本太新，很多东西不支持。为什么不装ubuntu18？因为我电脑装完了之后不支持外界显示器和clash。所以折中方案就是ubuntu20.。
2024-02-28 14:39:16
986
2
原创 yolov8使用opencv 调用摄像头，实时目标检测，左上角显示帧率
【代码】yolov8使用opencv 调用摄像头，实时目标检测，左上角显示帧率。
2023-11-16 16:31:59
9882
11
原创 linux报错汇总
这大概是安全的问题，你的conda源使用的是https协议，比如我的。把每一个https改成http就可以了。linux 安装pytorch报错。
2023-10-31 16:36:44
206
原创 无脑016——使用mmdetection训练自己的数据集，使用labelme标注的coco格式
标注的数据集在上一篇文章介绍过了，先使用labelme软件标注好，然后使用代码，生成一个汇总的json文件。
2023-10-26 17:01:13
193
原创 python调用海康工业相机实现拍一张图片，支持调整曝光、增益、帧率
使用的时候，只需要修改导入的MvImport库的位置就好了，这个库是下载windows 的mvs客户端带着的，调整曝光、增益、帧率去125行自己修改。
2023-10-24 15:46:57
1346
2
原创 coco格式转yolo格式，标注软件是旷世labelbee
注意，这只是把单一123.jpg.json文件转化为123.txt。并没有把整体的json文件转换。
2023-10-20 15:58:20
314
原创 win11 电脑 使用 python 连接USB 海康工业相机 运行示例程序 BasicDemo.py 并添加连续捕捉图像（可以自己合成视频）的两个按钮
win11 电脑 使用 python 连接USB 海康工业相机 运行示例程序 BasicDemo.py。
2023-10-18 13:25:16
1560
1
原创 win11 笔记本在移动硬盘中安装linux（ubuntu22），安装NVIDIA驱动，安装anaconda，进行深度学习
按照这篇文章的操作，我总是黑屏，我又去参考了哔哩哔哩一个文章，发现必须要删掉/etc/X11/xorg.conf文件才能正常使用。在安装NVIDIA驱动以前需要禁止系统自带显卡驱动nouveau。在终端输入命令打开blacklist.conf文件。如果没有输出的话就说明禁用成功了nouveau。到这一步需要关闭图形界面，推荐使用其他设备阅读。完成以上步骤后，重启电脑。进入tty以后需要输入用户名和密码登录。输入如下命令可以重新打开图形界面。再次启动X-window服务。up名称 贝起小书包。
2023-09-24 22:37:09
745
4
原创 无脑014——linux系统，制作coco（json）格式数据集，使用mmdetection训练自己的数据集
电脑，linux，RTX 3090 cuda 11.2。
2023-09-08 18:02:59
548
原创 无脑013—— win11配置mmdetection实现训练自己的vol格式（xml）数据集
昨天使用cascade——rcnn 实现了MSAR 1.0的训练，今天来回顾一下参考资料：电脑 笔记本电脑，拯救者Y7000P 2018款，GTX1060显卡6G显存 ，cmd输入代码nvcc-version显示的CUDA版本 10.1，以下所有程序都在wsl虚拟机中执行。
2023-09-08 16:11:55
295
1
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