一、LiDAR 基础与入门1. 激光雷达定义Light Deteation and Ranging激光探测及测距系统的简称，用激光器作为发射光源，采用光电探测技术手段的主动遥感设备。2. 优缺点（1）优点具有极高的分辨率抗干扰能力强获取的信息量丰富可全天时工作（2）缺点容易受到大气条件以及工作环境的烟尘的影响3. 分类（1）按原理分类：三角测距激光雷达ToF 激光雷达（2）按功能分类：

0x01 数据加载1.1 加速途径当分布式训练时候，为了加速训练，有三个层面的工作需要处理。数据加载层面多机通讯层面代码层面在数据层面，可以使用多进程并行加载来加速数据预处理过程，也有利用GPU特点来加速，比如Nvidia DALI 通过将数据预处理放到 GPU 处理来解决 CPU 瓶颈问题。在多机通讯层面，有各种集合通信库可以利用，比如NCCL，OpenMPI, Gloo 等。在代码层面，可以使

理论推导基础&入门了解PG：https://www.cnblogs.com/pinard/p/10137696.html策略梯度实例这里给出REINFORCE 算法（蒙特卡洛策略梯度算法）的一个实例。仍然使用了OpenAI Gym中的CartPole-v0游戏来作为我们算法应用。CartPole-v0游戏的介绍参见这里。它比较简单，基本要求就是控制下面的cart移动使连接在上面...

1、Softmax交叉熵损失函数（多分类）参考（1）定义def get_softmax_loss(features,one_hot_labels):prob = tf.nn.softmax(features + 1e-5)cross_entropy = tf.multiply(one_hot_labels,tf.log(tf.clip_by_value(...

1、Model Capacity模型拟合能力。2、Generalization泛化能力。一个网络的generalization能力是由网络的capacity和训练数据量共同决定的。网络capacity越大越能捕捉训练数据的细枝末节（高频），所以越容易overfit（在训练数据的高频noise上），从而generalization不佳。所以在训练数据无穷的极限条件下，网络的generalizatio

Backbone—— Neck —— Head1.Backbone：翻译为骨干网络的意思，既然说是主干网络，就代表其是网络的一部分，那么是哪部分呢？这个主干网络大多时候指的是提取特征的网络，其作用就是提取图片中的信息，共后面的网络使用。这些网络经常使用的是resnet VGG等，而不是我们自己设计的网络，因为这些网络已经证明了在分类等问题上的特征提取能力是很强的。在用这些网络作为backbone的

参考：（1）《攻城狮说 | 应对复杂路况，自动驾驶如何规划它的下一步？ “老司机”炼成记！》微信公众号文章Pony.ai小马智行（2）《【Apollo】apollo3.5决策分享 --by 百度美研 Yifei Jiang老师》知乎（3）《Baidu Apollo代码解析之s-t图的创建与采样（path_time_graph)》 CSDN（4）《技术文档 | 二次规划（QP）样条路径》微信公众号文

0.Pre-trained Model------resnet_v2_50（1）简介resnet v1和v2总结如下，首先给出resnet v2的paper里面kaiming大神给出的不同的结构对比：图a为resnet v1的结构，图e为resnet v2的结构。（weight为conv层），左分支为identity分支，右分支为residual分支。图的结构有两个特点：1、c...

Backbone—— Neck —— Head1.Backbone：翻译为骨干网络的意思，既然说是主干网络，就代表其是网络的一部分，那么是哪部分呢？这个主干网络大多时候指的是提取特征的网络，其作用就是提取图片中的信息，共后面的网络使用。这些网络经常使用的是resnet VGG等，而不是我们自己设计的网络，因为这些网络已经证明了在分类等问题上的特征提取能力是很强的。在用这些网络作为backbone的

There are quite many annotation tools out there, however it seems like every tool comes with unique disadvantages ;). Anyhow, here is a list of tools I came across.last update: 12/13/2019Computer ...