
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
Slam学习笔记——零散知识点1. 名词概念1.1 旋转矩阵1.2 旋转向量1.3 欧拉角1.4 四元数1.5 欧氏变换矩阵1.6 仿射变换1.7 射影变换2. 坐标变换2.1 坐标常用写法2.2 相对坐标转换计算只是个人的学习笔记,用于记录一些零散的知识点,如有错误,欢迎大佬指出纠正。参考书籍:《视觉SLAM十四讲-从理论到实践》——高翔1. 名词概念1.1 旋转矩阵3x3矩阵,Eigen::M
Slam学习笔记——ROSROS系统,即机器人操作系统(Robot Operating System),学习slam的过程中需要掌握的一个库。官方网站:http://wiki.ros.org
Ros2使用过程中的踩坑笔记
Ubuntu部署gitlab频繁出现502的问题
fmpeg笔记
ollama手动升级的办法(Ubuntu系统)
MC服务器启动脚本写法1. Linux系统的.sh启动脚本1.1 Linux单次启动1.2 Linux循环十次启动1.3 Linux无限循环启动2. Windows系统的.bat启动脚本mc服务器的启动脚本写法记录。首先,每个服务端都会有一个用于启动服务器的jar文件,这个根据具体情况具体修改,此处以forge直接启动服务器为例,使用文件forge-1.12.2-14.23.5.2854.jar启
彩色星球图片生成5:先验条件约束,分类器打分与LapGAN(pytorch版)1. 改进方面1.1 训练集信息的人工标注1.2 先验信息的条件约束1.3 分类器C1.4 LapGAN的分层残差拟合2. 代码实现3. 最终效果3.1 层层递进的生成3.2 其它生成样式的展示4. 缺陷与下一步改进上一集:彩色星球图片生成4:转置卷积+插值缩放+卷积收缩(pytorch版)在上一集代码的基础上,重构了代
pytorch为噪声矩阵创造自适应的权重为每个高斯噪声创造一个能够自适应学习的权重,然后将这个噪声叠加或者连接到神经网络的过程当中。样例代码如下:import torchimport torch.nn as nn# 如果gpu运算可用if torch.cuda.is_available():# 在GPU中创造与矩阵匹配的高斯噪声def create_gaussian_noise(img):nois
使用pyinstaller打包pytorch踩的那些坑问题1:单个文件打包还是文件夹打包?问题2:一起打包的数据文件找不到?问题3:GPU训练的模型要放到CPU环境跑?花费了亿点时间,终于在自己的电脑上搞定了pyinstaller的安装并且让它成功打包了一些小程序之后,尝试着用它打包pytorch这样的复杂程序,结果遇到的问题远比想象中要多,于是记个笔记,也避免后来人踩坑。问题1:单个文件打包还是







