本文档用于VINS-Mono的代码学习与记录，主要参考博客VINS-Mono代码解读——各种数据结构 sensor_msgs这部分不是特明白，后续再进行学习注解一、std_msgs/Header位置：std_msgs/Header.msg一般在Image/PointCloud/IMU等各种传感器数据结构中都会出现的头信息//序列ID：连续增加IDuint32 seq//时间戳time stamp/

闪存——磨损均衡、垃圾回收、数据压缩、纠错编码1.闪存如图所示，闪存由多个颗粒（Die）组成，每个颗粒由多个分组（Plane）组成，每个分组由多个块（Block）组成，每个块由多个页（Page）组成。块是擦除的基本单位。页是读写的基本单位。当一个存储页被写入数据后，只有在进行了擦除后才可进行新的写入操作。但是闪存的每个存储单元（物理块）的写操作和擦除操作的次数是有限的。在芯片写擦过程中，存储单元隧

过拟合解决——早停法一、早停法简介（Early Stopping）当我们训练深度学习神经网络的时候通常希望能获得最好的泛化性能(generalization performance，即可以很好地拟合数据)。但是所有的标准深度学习神经网络结构如全连接多层感知机都很容易过拟合：当网络在训练集上表现越来越好，错误率越来越低的时候，实际上在某一刻，它在测试集的表现已经开始变差。图1、理想中的训练集误差和验

EarlyStopping()1.函数简介使用该函数的目的是为了防止过拟合，因为在我们训练模型的过程中，很有可能出现过拟合的情况。这个时候训练集表现很好，但是验证集表现就会下降。这时候我们需要提前结束训练，得到“最佳”（只能判断是在全局范围内最佳）的结果。具体见早停法2.参数详解以下给出样例EarlyStopping(monitor='val_loss', min_delta=0, patienc

一般是版本号的问题，我尝试pip install scikit-learn==0.21.0，从0.24降到0.21解决

很多的博客直接将原网址复制粘贴过来，这里做一个整理，另外原网址是：https://docs.ros.org/en/melodic/api/sensor_msgs/html/msg/Image.html该消息意味包含未压缩的图像，且(0,0)在图像的左上角。参数大体含义如下：header:首先拿VINS-Mono的代码举例：sensor_msgs::Image img;//下面是定义消息参数img.

常用有排队打分法、体操积分法、专家评分法、相对比较法、连环比率法，依次解释。一、排队打分法将指标体系中各指标的实际值按照优劣排序。正指标（数值越大结果越好）按照从大到小排序，复指标（数值越大结果越差）按照从小到大排序。一般设定总分100分，取第一名100分，最后一名0分。中间的按照以下公式进行打分（Si为中间某一个名次的分数，n为名次，N为参与排名的单位数量，A为预设总分，这里取100）：Si=A

EarlyStopping()1.函数简介使用该函数的目的是为了防止过拟合，因为在我们训练模型的过程中，很有可能出现过拟合的情况。这个时候训练集表现很好，但是验证集表现就会下降。这时候我们需要提前结束训练，得到“最佳”（只能判断是在全局范围内最佳）的结果。具体见早停法2.参数详解以下给出样例EarlyStopping(monitor='val_loss', min_delta=0, patienc

优化器keras.optimizers.Adam()详解1.简介在监督学习中我们使用梯度下降法时，学习率是一个很重要的指标，因为学习率决定了学习进程的快慢（也可以看作步幅的大小）。如果学习率过大，很可能会越过最优值，反而如果学习率过小，优化的效率可能很低，导致过长的运算时间，所以学习率对于算法性能的表现十分重要。而优化器keras.optimizers.Adam()是解决这个问题的一个方案。其大概

数据挖掘的学习和细节思考本次学习基于关于二手车价格数据的分析，根据他人的文章进行研究学习。通过细分步骤和深究每一步的意义，对于数据挖掘有一个更好的认识。参考链接为：Datawhale 零基础入门数据挖掘-Task2 数据分析一、环境的配置1.python本身的安装和配置2.IDE使用pycharm3.进行numpy、pandas等的安装二、数据的导入和对数据的观察#通过以下的代码进...