1. 正则表达式的模式——pattern2. 正则表达式常量——修饰符（1）常量理解（2）re.IGNORECASE（3）re.ASCII（4）re.DOTALL3. 正则表达式函数（1）查找一个匹配项——match、search和fullmatch（2）查找多个匹配项——findall、finditer（3）分割——split（4）替换——sub、subn（5）编译正则项——template、c

之前有一篇文章介绍了使用Sequential、ModuleList和ModuleDict添加网络，除此之外，我们还可以通过add_module()添加每一层，并且为每一层增加了一个单独的名字。add_module()可以快速地替换特定结构可以不用修改过多的代码。add_module的功能为Module添加一个子module，对应名字为name。使用方式如下...

g2o(General Graphic Optimization)是基于图优化的库。该工具尤其是在图像优化方面被广泛的应用。本文主要围绕g2o进行展开介绍相关的安装、使用、g2o的结构以及曲线拟合的实例。

需要安装两个工具：imu_utils和code_utils。imu_utils工具还需要ceres和eigen互补滤波器的理论基础来自于论文《[Keeping a Good Attitude: A Quaternion-Based Orientation Filter for IMUs and MARGs](https://www.mdpi.com/1424-8220/15/8/19302)》，它

点乘与叉乘是线性代数的基本知识，在工作中也经常能够遇到，下面我们来温习一下它们的概念以及使用C++代码对它们进行实现。

一. 总览二. 贝叶斯网络和因子图三. 机器人运动建模3.1 使用因子图建模3.2 建立因子图3.3 因子图与变量3.4 GTSAM中的非线性优化3.5 全后验推论四. 机器人定位4.1 一元测量因子4.2 自定义因子4.3 使用自定义因子4.4 全后验推论五. PoseSLAM5.1 闭环约束5.2 使用Matlab接口5.3 读取和优化姿态图5.4 3D中的poseSLAM六. 基于Landm

本文是基于pytorch官网教程，然后在此基础上，写了一些自己的理解和修改。CIFAR-10数据集共有60000张彩色图像，这些图像是32*32，分为10个类，每类6000张图。需要说明的是，这10类都是各自独立的，不会出现重叠。题外话，MNIST数据集是只有1个通道的灰度图，尺寸大小为28*28。

首先推荐matplotlib官网的各种显示代码实例：<https://matplotlib.org/stable/gallery/index.html>其次推荐matplotlib官网教程：<https://matplotlib.org/stable/users/index.html>xlrd官网api：<https://xlrd.readthedocs.io/en/latest/api.html

Dijkstra算法是求单源最短路径问题的算法，使用它可以求得从起点到终点的路径中权重总和最小的那条路径。Dijkstra的主要特点是以起始点为中心向外层层拓展（广度优先搜索思想），直到拓展到终点为止。单源：从一个顶点出发，Dijkstra算法只能求一个顶点到其他点的最短距离而不能任意两点。现在我们假设有下列的一副图，求起始点A到终点G的最短路径。其中边上面的数据表示权重，从起始点A开始，A的顶点

1. 训练与学习率的关系2. 学习率的衰减策略（1）分段常数衰减（2）指数衰减（3）自然指数衰减（4）多项式衰减（5）余弦衰减（6）Lambda学习率3. 周期性学习率（1）循环学习率（2）带热重启的随机梯度下降4. 自适应学习率（1）Adagrad算法（2）RMSprop算法（3）AdaDelta算法