本文完成RTX3090Windows+Ubuntu双系统配置 ，并配置深度学习环境硬件环境为RTX3090+Z590主板，64GB RAM，2TB固态，8TB存储Ubuntu系统版本为：Ubuntu 20.04.3 LTS深度学习环境：cuda11.0.4；cudnn8.2.4；pytorch1.9

记录一些因为在网络训练，测试过程中经常用到的一些脚本1.视频按帧提取可以从一段视频中截取不同帧的图片，并保存至文件夹。需要自己更改视频路径和图片保存路径import osimport cv2import shutilVIDEO_PATH = 'test.mp4'# 视频地址EXTRACT_FOLDER = 'video'# 存放帧图片的位置EXTRACT_FREQUENCY = 1# 帧提取频率d

inux环境下安装Cmake报错：Package cmake is not available, but is referred to by another package.This may mean that the package is missing, has been obsoleted, oris only available from another sourceE: Package

1.Encoderfrom keras.layers import *def Conv_Encoder( input_height=416 ,input_width=416 ):Img_In = Input(shape=(input_height,input_width , 3 ))# 416,416,3 -> 208,208,64Img_Conv = Conv2D(64, (3, 3),

功夫不负有心人，终于把这个做出来了，本项目为控制42,57两个步进电机，带动齿轮，进行上下左右转动，四个限位金属传感器限制位置。传感器配置过程步进电机配置过程从来没有接触过这方面的东西，弄了几周总算是捣鼓出来了，最终可以通过串口调试助手控制上下左右转动，移动到传感器的位置可根据需求停止，反转等。项目下载：...

记录一些因为在网络训练，测试过程中经常用到的一些脚本1.视频按帧提取可以从一段视频中截取不同帧的图片，并保存至文件夹。需要自己更改视频路径和图片保存路径import osimport cv2import shutilVIDEO_PATH = 'test.mp4'# 视频地址EXTRACT_FOLDER = 'video'# 存放帧图片的位置EXTRACT_FREQUENCY = 1# 帧提取频率d

记录一些因为在网络训练，测试过程中经常用到的一些脚本1.视频按帧提取可以从一段视频中截取不同帧的图片，并保存至文件夹。需要自己更改视频路径和图片保存路径import osimport cv2import shutilVIDEO_PATH = 'test.mp4'# 视频地址EXTRACT_FOLDER = 'video'# 存放帧图片的位置EXTRACT_FREQUENCY = 1# 帧提取频率d

1.Eigen库介绍Eigen是一个 C++ 开源线性代数库。它提供了快速的有关矩阵的线性代数运算，还包括解方程等功能。可以通过sudo apt install libeigen3-dev命令进行安装，也可以去官网下载需要的版本进行安装。若出现错误：Could not get lock /var/lib/dpkg/lock-frontend - open (11: Resource tempora

网速太慢，被限速经常失败，复制下面网址到迅雷下载

在众多机器人控制算法中,基于模型的计算力矩控制方法是十分有效的,其操作性能也是相当优秀的.然而,这种控制算法必须面对两大难题.第一,必须实现对机器人动力学模型的快速计算第二,必须事先精确了解机器人的动力学模型,因为计算转矩算法在模型未知的情况下鲁棒性较差.但是在实际应用中,即使是获得一个较为理想的机器人动力学模型也是很困难的,另外在操作过程中动力学模型中的各个参数还可能发生变化神经网络控制神经网络