第11章介绍的激光里程计算法仅通过激光点云估计激光雷达的运动状态，其精度受周围环境及激光雷达点云质量的影响较大。IMU（Inertial Measurement Unit）是机器人和汽车领域常用的测量车辆运动状态的传感器，其主要包含陀螺仪和加速度计，可以较高的频率（如40∼500Hz）输出被测物体的角速度以及加速度，并可通过积分的方式进一步得到一段时间内车辆的姿态和位置变化。

main 更新得再多也不怕要么直接合并，要么先同步 main，要么解决冲突📊 画一张merge / rebase 决策流程图🧪 给你一个真实冲突示例，逐行教你怎么改📘 帮你整理成团队 Git 使用规范你想继续哪一个？

❌ 不允许直接 pushmain✅ 所有改动必须通过分支 + MR✅ 合并后本地main要git pull✅ 功能分支用完就删📄团队 Git 规范文档🧭新同事 onboarding Git 流程🧠常见错误 & 排错速查表你说用在哪，我帮你定制 👍main 更新得再多也不怕要么直接合并，要么先同步 main，要么解决冲突📊 画一张merge / rebase 决策流程图🧪 给你一个真实冲

大模型pretrain蒸馏训练中（不是sft），如何利用教师模型对学生模型进行蒸馏训练？从蒸馏数据的生产到学生模型的训练，给出详细的步骤下面用“老师带学生做完形填空”的比喻，把从到讲清楚。你可以把它当成一条“流水线”。

一台服务器毕竟很多人都在用，这个时候查看GPU状态显得尤为重要（查看剩余显存大小，以便自己能否使用这块卡）后来查找发现有2种方式，最开始我用的就是第一种，但是显然不是很好用，最后发现gpustat超级好用，下面分别介绍两种用法。

Coder: CWForeword:CW 近日在自己的机子上发现，和显示出来的CUDA版本不一致，其中前者显示的版本是10.2，而后者是11.0，但是深度学习相关的程序是能正常跑的，期间GPU也确实有在使用（通过nvidia-smi可以看出）。由于个人一贯以来的“居安思危”风格，担心这种情况会埋坑，于是查阅了相关资料进行了解，正好也弥补了这部分知识的空白。

pd.date_range()-日期范围：生成日期范围2种生成方式：①start + end； ②start/end + periods默认频率：dayimport pandas as pd# pd.date_range()-日期范围：生成日期范围# 2种生成方式：①start + end； ②start/end + periods# 默认频率：dayrng1 = pd.date_range(st

方法返回一个新的 DataFrame 对象，不会对原始 DataFrame 进行任何更改。方法在当前 DataFrame 的末尾追加同类 DataFrame 的对象。

一、字符串常用方法：lower，upper，len，startswith，endswithimport numpy as npimport pandas as pds = pd.Series(['A', 'b', 'bbhello', '123', np.nan])print("s = \n", s)print('-' * 200)print("lower小写: s.str.lower() = \

要不要我帮你整理一个**“相似性打包实践指南”**，包括如何用 BM25 / embedding 检索来构造训练序列，以及如何在 Hugging Face 或 PyTorch DataLoader 中实现动态相似性打包？相似性打包提供的训练信号更干净、上下文更合理，因此模型在更少的训练步中就能达到同样性能；“相似性打包（similarity-aware / relevance-aware pack