万有文的博客

DeMat差分进化算法，matlab遗传算法，数学建模大赛，遗传优化算法 DEMO文件夹为示例 差异进化算法的 示例解决方案 作业在 /demo/PID 以及 /demo/PID_simulink下 包含三个文件 目标函数 objfun.m 画图函数 PlotIt.m 主程序 Rundeopt.m 运行前需要导入 主文件目录 addpat

tvm节点属性更新方案 暴露c++的节点属性更新方法 python 导入 介绍如何在 TVM（TVM 是 Apache 的开源机器学习编译器堆栈）中更新节点属性，以及如何在 Python 中导入和使用 C++ 暴露的节点属性更新方法时，我们通常遵循几个步骤： 了解 TVM 的架构和节点属性： TVM 的计算图由节点（通常是计算操作）和边（表示数据流）组成。每个节点可能有多个属性，这些属性在编译和运行时用于优化和配置。 C++ 端暴露节点属性更新方法： 在 TVM 的 C++ 实现中，你可能需要定义一个接口来更新节点的属性。这通常涉及到修改 TVM 的 C++ 代码，以暴露一个函数或方法，该函数或方法允许你修改特定节点的属性。创建 Python 绑定： 一旦在 C++ 端实现了更新节点属性的方法，你需要创建 Python 绑定，以便在 Python 中调用这个方法。这通常涉及到使用 Pybind11 或其他类似的库来创建 C++ 和 Python 之间的接口。 在创建绑定时，你需要确保 Python 代码能够正确地调用 C++ 函数，并处理任何必要的类型转换。

onnx计算图优化 计算图匹配 计算图融合 layerNorm融合 groupNorm融合 计算图匹配： 计算图匹配是图优化的一种技术，它通过搜索和匹配计算图中的特定模式或子图，然后应用预定义的优化规则来替换这些模式。这种方法通常用于识别并优化常见的、可以简化的图结构。 计算图融合： 计算图融合是一种高级的图优化技术，它可以将多个独立的操作融合成一个更复杂的操作。这种融合可以减少计算图中的节点数量，降低内存访问开销，以及减少计算过程中的数据拷贝次数，从而提高模型的执行效率。 LayerNorm 融合： Layer Normalization（层归一化）是一种常用的归一化技术，用于加速模型训练和提高模型性能。LayerNorm 融合是将 LayerNorm 操作与其相邻的操作（如卷积、全连接层等）融合到一起，从而减少计算图中的节点数量，提高计算效率。 GroupNorm 融合： Group Normalization（分组归一化）是另一种归一化技术，用于当通道数较少时避免批量归一化（Batch Normalization）的性能下降。GroupNorm 融合与 LayerNorm

变量 线性回归 手写字体 逻辑回归 多层感知机 多层网络 卷积神经网络 tensorboard 显示优化记录 自编码 原理与PCA相似 长短时记忆 lstm 单词转词向量 中英文 保存和载入网络模型

# PyML # python 机器学习实战 # 包含目录： # 1 KNN 最近邻 # 2 DT 决策数 # 3 NB 朴素贝叶斯 # 4 LoR 逻辑回归 # 5 SVM 支持向量机 # 6 AB 集成学习 adaboost元算法 # 7 LiR 线性回归 # 8 RT 数回归 # 9 KM 聚类 # A AP 关联算法 # B FP FP树频繁项挖掘 # C PCA 主成分分析 数据压缩降维 # D SVD 奇异值矩阵分解 数据降维 # E MR 多机器协调处理 # F SKL 集成学习库实战

配置文件很重要，INI 太弱，XML 太繁复，Linux *.conf 很酷。 找了好几种相关的类库，发觉还是 hyperrealm libconfig 最强大最好用，相关细节可参考 官方手册。 源中的版本是 1.3.2-1，也可以去官方文章下载最新版本。 $ sudo apt-get install libconfig8 libconfig8-dev 源码安装　: 去　https://hyperrealm.github.io/libconfig/ 下载　 ./config make sudo make install 使用说明 c程序　　头文件libconfig.h c++程序　所需头文件libconfig.h++，编译时需要链接动态库libconfig++

ROS机器人操作系统 工业机器人 UR5示例程序 moveit运动规划 Descartes笛卡尔稠密运动规划器 抓取规划 放置规划 检测物体 抓起箱子 放置箱子 ros下点云发布接收格式转换 点云滤波下采样 平面提取 欧式聚类分割

PCL（Point Cloud Library）是在吸收了前人点云相关研究基础上建立起来的大型跨平台开源C++编程库， 它实现了大量点云相关的通用算法和高效数据结构， 涉及到点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等。 支持多种操作系统平台，可在Windows、Linux、Android、Mac OS X、部分嵌入式实时系统上运行。 如果说OpenCV是2D信息获取与处理的结晶， 那么PCL就在3D信息获取与处理上具有同等地位，PCL是BSD授权方式， 可以免费进行商业和学术应用。

用OpenCV创建视频 使用OpenCV中的 VideoWriter 类就可以简单的完成创建视频的工作。 如何用OpenCV创建一个视频文件 用OpenCV能创建什么样的视频文件 如何释放视频文件当中的某个颜色通道 Camera calibration and 3D reconstruction (calib3d module) 2D Features framework (feature2d module) Video analysis (video module) Object Detection (objdetect module) Machine Learning (ml module)

ORB_SLAM2 特征法SLAM 单目 双目 RGBD * ORB主要借鉴了PTAM的思想，借鉴的工作主要有 * Rubble的ORB特征点； * DBow2的place recognition用于闭环检测； * Strasdat的闭环矫正和covisibility graph思想； * 以及Kuemmerle和Grisetti的g2o用于优化。