EGO-Planner：一种无需 ESDF（欧几里得距离场） 梯度的局部路径规划方法
EGO-Planner：一种无需 ESDF（欧几里得距离场） 梯度的局部路径规划方法
torch.cat()中dim说明
初次接触众多博客对dim的讲解为，对于两个二维张量作为输入，dim取0结果为两个张量按行拼接，取1结果为按列拼接，但是对于高维来说就有点难以直观想象结果了，我们尝试三维情况进而总结规律。其中初学者最费解的就是dim的选取，dim的取值范围由输入张量的维度决定，输入为n维张量，dim取值在[0,n-1
使用OpenAI的Whisper 模型进行语音识别
Whisper模型是在68万小时标记音频数据的数据集上训练的，其中包括11.7万小时96种不同语言的演讲和12.5万小时从”任意语言“到英语的翻译数据。该模型利用了互联网生成的文本，这些文本是由其他自动语音识别系统(ASR)生成而不是人类创建的。该数据集还包括一个在VoxLingua107上训练的语
基于深度学习的轴承寿命预测实践，开发CNN、融合LSTM/GRU/ATTENTION
基于深度学习的轴承寿命预测实践，开发CNN、融合LSTM/GRU/ATTENTION
annaconda 安装 opencv（cv2）
1、最终方案：[保姆级教程]在Anaconda环境中安装OpenCV(WIN 10, 64, Python3.7) - 哔哩哔哩 (bilibili.com)优点：操作简单，成功率高，不会出现版本不匹配的问题缺点：确实挺慢的（第一次可能半个小时我还停在这个界面，然后cancel后重启了一次电脑，大概
YOLOv5内置--hyp超参配置文件对比
YOLOv5内置--hyp超参配置文件对比YOLOv5有大约30个超参数用于各种训练设置。这些是在目录中*.yaml的文件中定义的/data。更好的初始猜测会产生更好的最终结果，因此在演化之前正确初始化这些值很重要。lr00.01#初始学习率(SGD=1E-2,Adam=1E-3)lrf0.01#最
【YOLOV5-6.x讲解】YOLO5.0VS6.0版本对比+模型设计
减少操作：使用SPPF()代替原本的SPP() 更好的导出性：将Focus()替换为一个等效的Conv(k=6,s=2,p=2) 提高速度：将backbone中的 P3 中的 C3() 从重复次数从9减少为6更新超参数：增加了 mixup 和 copy-paste 的数据增强在最后一个C3() 主干
强化学习领域值得关注的国际顶级会议
强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。今天给大家介绍几个强化学习领域值得关注的顶级会议。
传感器原理与检测技术复习笔记第四章-电感式传感器
传感器原理与检测技术复习笔记
【自然语言处理】【大模型】BLOOM：一个176B参数且可开放获取的多语言模型
预训练语言模型已经成为了现代自然语言处理pipeline中的基石，因为其在少量的标注数据上产生更好的结果。随着ELMo、ULMFiT、GPT和BERT的开发，使用预训练模型在下游任务上微调的范式被广泛使用。随后发现预训练语言模型在没有任何额外训练的情况下任务能执行有用的任务，进一步证明了其实用性
就业大山之下的网络安全：安逸的安服仔
从去年开始，各个互联网大厂就接二连三的放出了裁员消息，整个互联网行业好像都处于寒冬状态。微博、小米、滴滴、知乎、拼多多等在内的一大批互联网知名企业，也相继传出“人员优化”的消息。除了国内市场的萧条，国外市场也是不容乐观，比如：除了这些大环境的影响，很多公司在招聘方面也越来越离谱，比如最近频繁被爆出的
【YOLO系列】YOLOv5超详细解读（网络详解）
带你详细了解YOLOv5算法，超详细！
使用ROS调用YOLO_V5（非darknet）,利用ros-yolov5配置
1.下载源码cd catkin_ws/srcgit clone https://github.com/OuyangJunyuan/ros-yolov5.gitgit clone https://github.com/catkin/catkin_simple.git然后回到工作空间目录下catkin_
stata基础--回归，画散点图，异质性分析
利用stata的内部数据来进行回归代码：sysuse autosysuse dir /*可以看到所有的数据*/su price mpg foreignreg price mpgpredict u,residual /*新变量u=每一个观测的残差*/ /*生成残差u需要紧接着回归*/mpg和pric
(02)Cartographer源码无死角解析-(00)目录_最新无死角讲解
本专栏适合自动驾驶、服务/仓储/扫地机器人等领域的工程师、在读学生、教师等。史上最新最全Cartographer讲解，不漏任何一个细节推理，无死角的公式推导与源码解析，并讲解算法落地的工程实践技巧，代码改进方向等，快速上手做项目。
Pytorch 中打印网络结构及其参数的方法与实现
pytorch 中打印网络结构及其参数的方法与实现
PyTorch 之 强大的 hub 模块和搭建神经网络进行气温预测
【代码】PyTorch 之 强大的 hub 模块和搭建神经网络进行气温预测。
k210——Maixhub 云端模型训练
k210——Maixhub 云端模型训练
使用Tansformer分割三维腹部多器官--UNETR实战
不会 transformer 没关系，本教程开箱即用。Tina姐总算对transformer下手了，之前觉得难，因为刚开始学序列模型的时候就没学会。然后就一直排斥学transformer。这两周没什么事，加上MONAI有现成的教程，就打算先跑通后，再学理论。然后，顺利的跑通了代码，再学了一周理论，发
