Tianchao龙虾

NormalEstimation法向量估计理论和代码---PCL源码笔记

RANSAC平面拟合理论和相关PCL源码学习笔记

Dropout 笔记Dropout操作是指在网络的训练阶段，每次迭代时会从基础网络中随机丢弃一定比例的神经元，然后在修改后的网络上进行数据的前向传播和误差的反向传播。模型在测试阶段会恢复全部的神经元。Dropout是一种常用的正则化方法，可以缓解过拟合问题。Dropout为什么可以缓解过拟合问题一方面，Dropout 可以看作是集成了大量神经网络的Bagging方法。Bagging是指用相同的数据训练若干个不同的模型，最终的预测结果是这些模型进行投票或取平均值而得到的。所以，Dropout通过在每次迭

[ERROR] [1618811104.099891119]: PluginlibFactory: The plugin for class ‘jsk_rviz_plugin/BoundingBoxArray’ failed to load. Error: Failed to load library /opt/ros/kinetic/lib//libjsk_rviz_plugins.so. Make sure that you are calling the PLUGINLIB_EXPORT_CLASS

batch size的选择对模型有什么影响呢？因为Batch的选择，首先决定的是下降的方向。如果数据集比较小，完全可以采用full batch learning的形式。好处是:较为准确地朝极值方向迭代优化Full batch learning 可以使用Rprop只记与梯度符号并且针对性单独更新各权值。对于数据集很大，那就有问题了。首先，显存肯定不够。第二个就是以Rprop迭代的方式，会由于各个batch 之间的采样性差异，各次梯度修正值相互低效，无法修正。所以才有了后来的RMSProp的方案。

运行环境：Anaconda3, ROS Kinetic python3.x问题：ROS Kinetic 自带的cv_bridge 是基于python2.7的。如果使用python3.x，需要重新编译cv_bridge.步骤：先把anaconda3的环境deactivate，直接进入系统自带的环境，命令：conda deactivate在已有的ROS工作空间添加opencv_vision包，命令：cd catkin_ws/srccatkin config -DPYTHON_EXE