系列文章链接机器学习笔记二提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章 Python 机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章链接前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重

但是这里存在一个问题，那就是git clone方法存在很多问题，速度慢，断了之后无法继续下载。这里推荐使用 huggingface 官方提供的 huggingface-cli命令行工具。Hugging Face模型的下载其中有很多方法，比较简单的方法就是直接克隆，然后直接下载就可以，速度非常快。

今天在使用pytorch保存模型时，突然出现Can’t pickle typing.Union[torch.Tensor, NoneType]: it’s not the same object的错误，找了好多文章也没找到解决办法，后来把保存代码由save(model,path)换成save(model.state_dict(), path)终于不报错了...

系列文章目录机器学习笔记一—机器学习基本知识机器学习笔记二—梯度下降和反向传播机器学习笔记三—卷积神经网络与循环神经网络机器学习笔记四—机器学习可解释性机器学习笔记五—机器学习攻击与防御机器学习笔记六—模型压缩文章目录系列文章目录前言一、模型压缩的意义二、模型压缩的方法1、网络剪枝（Network Pruning）2、知识蒸馏（Knowledge Distillation）3、参数量化（Param

系列文章链接机器学习笔记二提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章 Python 机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章链接前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重

系列文章链接机器学习笔记一机器学习笔记三前言在上一节中已经完成了机器学习的总体概念学习，这一节则具体学习一下梯度下降（Gradient Descent）一、梯度一个函数某个点的梯度是来源于函数的导数或者偏导数θ\thetaθ0点的梯度为L对θ\thetaθ1、θ\thetaθ2求导构成的二维向量二、梯度下降1.梯度下降的方法梯度下降是沿着梯度相反的方向走，即更新参数的时候是用原参数减去学习率乘以梯

在感知融合中，会对所有目标进一步处理，得到更加准确的目标类别、距离、尺寸、速度等，感知完成红绿灯检测、车道线检测目标融合之后，把感知信息发送给下游模块。其中，(cx, cy, cz)是中心点，(length, width, height)是长宽高，heading是朝向，type是目标类别。多目标跟踪，获取目标运动的历史轨迹，得到更加稳定的朝向、速度、位置等信息，得到跟踪id。下图是地面点云检测的示

找了很多，网上有说循环引用，有说文件名冲突，但是我这两种情况都没有，后来发现是我的PPTGenerate这个文件也没有初始化成功，他引用的一个文件出错了。看当前的代码是否初始化成功，一层一层的寻找问题。今天执行别人写的代码的时候出现了这样一个问题。

SNN 和RNN的异同以及优缺点比较

Comparing SNNs and RNNs on Neuromorphic Vision Datasets: Similarities and Differences 整理