到底什么是模型预测控制MPC（一）
1. 为什么使用MPC控制2. 什么是模型预测控制 MPC3. MPC的参数设计在我们驾驶汽车的时候，驾驶的目的就是让汽车行驶在安全的道路上。作为一个驾驶员我们可以控制的是汽车的油门和方向盘，也就是对应控制的是汽车的速度和方向。在驾驶的过程中我们会不断的调节方向盘的角度，这是因为我们知道当前角度如果
简单研究一下 OpenAI 的官方文档
介绍 openai 的tokenizer、模型、ChatGPT接口使用（gpt-3.5-turbo）、使用限制、定价。
ChatGLM-6B (介绍以及本地部署)
ChatGLM-6B 是一个开源的、支持中英双语问答的对话语言模型，基于架构，具有 62 亿参数。结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量化级别下最低只需 6GB 显存）。ChatGLM-6B 使用了和ChatGLM相同的技术，针对中文问答和对话进行了优化。经过约 1T
[九]深度学习Pytorch-transforms图像增强(剪裁、翻转、旋转)
深度学习Pytorch-transforms图像增强(剪裁、翻转、旋转)
几种python存储数据(海量数据)的方式及读取时间对比
使用背景：需要保存通过包括但不限于torch及numpy创建的数据(在这里主要测试的是通过网络训练，提取到的图片的特征向量)数据格式及大小：在这里使用torch创建数据，没用使用GPU(已经是该配置下能运行的最大数据量了，否则会爆内存)运行环境：具体参数参考R9000P 2021 3070版本；数据
简单易上手YOLOV5-deepsort（Windows）
YOLOV５模型训练以及deep sort目标追踪的简单上手操作，不同内容均有提示，并总结了一些运行过程中可能会出现的问题。
ChatGPT开源平替——OpenChatKit（前OpenAI团队打造）
OpenChatKit是一个由前OpenAI研究员共同打造的开源聊天机器人平台。它包含了训练好的大型语言模型、定制配方和可扩展的检索系统，可以帮助用户快速构建高精度、多功能的聊天机器人应用。其中，最核心的组件是一个经过微调的、具有200亿参数的语言模型——GPT-NeoXT-Chat-Base-20
本手、妙手、俗手？我用AI写2022高考全国作文题，会被看出来？
自然语言处理是人工智能领域的前沿学科和热点方向，本文试着用NLP文章生成模型写了2022年高考作文题，有点意思
Lift-Splat-Shoot算法理解及代码中文注释
对算法Lift-Splat-Shoot的理解以及源代码中文注释
ICRA2022 SLAM进展---激光SLAM
ICRA2022 slam论文简单导读，未完待续
【深度学习】扩散模型（Diffusion Model）详解
【深度学习】扩散模型（Diffusion Model）详解
A2C算法原理及代码实现
A2C算法原理及代码实现
FAST_LIO_SAM 融入后端优化的FASTLIO SLAM 系统 前端：FAST_LIO2 后端：LIO_SAM
FAST_LIO_SAM 融入后端优化的FASTLIO SLAM 系统 前端：FAST_LIO2 后端：LIO_SAM
机器学习和深度学习概述
学习笔记
Ubuntu20.04LTS下安装Intel Realsense D435i驱动与ROS包
这里写自定义目录标题目标一、D435i简介二、环境配置三、RealSense的SDK2.0安装四、ROS包安装目标在Ubuntu20.04LTS系统下安装D435i的驱动SDK2和ROS包，实现在ROS环境中使用D435i。一、D435i简介D435i是Inter公司RealSense系列摄像头的一
快速了解 GPT 发展三阶段
GPT-1 的预训练模型在 GPT-2 团队看来有一个不足的地方，虽然 GPT-1 构建了一个不错的预训练模型，但是对下游任务还是需要使用有标注的样板来训练新的模型，也就是说需要对具体的下游任务做有监督的微调。同时，GPT-2 还引入了一些新的技术，如动态掩码、自适应的词向量权重、多层次的表示等，以
三分钟认知Softmax和Sigmoid的详细区别
Softmax以及Sigmoid这两者都是神经网络中的激活函数，对应还有其他的激活函数引入激活函数是为了将其输入非线性化，使得神经网络可以逼近任何非线性函数（原本没有引入激活函数，就是多个矩阵进行相乘，无论神经网络多少层都是线性组合，这个概念是感知机）Softmax以及Sigmoid两者都是作为神经
ros(23)：接收rviz中的2D Nav Goal、2D Pose Estimate消息
即设置二维导航目标，并使用“goal”这个话题进行通讯（结合rviz的其他教程，话题名也可能是“/move_base_simple/goal”）其消息类型为：geometry_msgs/PoseStamped1.2 2D Pose Estimate即设置二维初始位姿并使用“initialpose”进
关联规则挖掘（Apriori算法和FP-Growth算法）
Apriori算法的频繁项集的方式是：先产生低阶频繁项集（从1开始的）的，再由低阶频繁项集产生高阶候选项集，高阶候选项集经过支持度的度量筛选产生，最后生成同阶频繁项集。这是不断重复的“产生-测试”的过程。而FP-growth算法采用是完全不同的方式，算法的第一个核心是压缩数据集，采用的是FP_tre
【机器学习】支持向量回归
支持向量回归 SVR 回归模型 支持向量机 管道 惩罚 拉格朗日 KKT 对偶 互补松弛 支持向量 几何意义 间隔 边界 超平面
