ROS+Gazebo强化学习从虚拟训练到实车部署全流程分析
也学ros这个东西学了好长时间了，但是在ROS中进行强化学习并最终部署到实车这个过程一直都出现各种问题，实验室也没什么相关的积累，自己一个人搞就很痛苦。这次看论文时候看到别人公布的源码，于是去学习了一下别人怎么做的这个流程，真的是受益匪浅。最终也能够实现从虚拟训练到实车部署这整个过程了！现在把整个流
机器人动起来1：机械臂手眼标定、像素-世界坐标系转换
机械臂要想到达期望的位置，必须将其感知系统和机械臂运动产生联系，这关键的两步就是手眼标定和坐标系转换。
RTX4070ti-40系列显卡配置pytorch深度学习环境过程
这几天新配的4070需要安装深度学习环境，开始为了图简便把之前显卡的环境复制过来，结果有各种小问题，什么环境无法导入pytorch，显卡算力和torch的算力不匹配等小问题，导致两天才弄好，下面说下成功安装过程。这里有个问题是官方的下载比较慢，也不建议用镜像原，我第一次用镜像下的就是cpu版本的to
准确率、精确率、召回率、F1-measure
Accurency、Precision、Call
LORA: LOW-RANK ADAPTATION OF LARGE LAN-GUAGE MODELS
给定一个自回归语言模型 PΦ(y|x)，比如可以是基于通用多任务训练的 GPT 模型，需要将这个模型在下游任务上进行 finetune，比如机器阅读理解 (MRC) 和自然语言转换为 SQL (NL2SQL) 这两个任务上，这些任务的数据通常是上下文与目标对：Z = {(xi, yi)}i=1,…,
Chatgpt免费手册
ChatGPT免费手册，ChatGPT专题介绍深度好文|傅盛认知三部曲完整版：人与人最大的差别是认知！如何着手分析一个行业？2023年全网最火的ChatGPT概念专题报告（文库下载）哈尔滨工业大学-ChatGPT调研报告-20230306-94页 80页PPT详述ChatGPT（收藏版）ChatGP
Nvidia核心技术和用于AI训练的高端工业级显卡
这是 Nvidia 的最新数据中心 GPU，具有高达 80 GB 的显存、6912 个 CUDA 核心和 432 个 Tensor 核心，适用于最大规模的 AI 模型训练和推断。: 这是一款最强大的消费级 GPU，具有高达 72 GB 的显存、4608 个 CUDA 核心和 576 个 Tensor
2022年终总结：不一样的形式，不一样的展现
2022年终总结，转折的一年，本科生转眼结束，研究生悄然开始。新的开始，新的挑战。
交互式数据分析和处理新方法：pandas-ai =Pandas + ChatGPT
ChatGPT、Pandas是强大的工具，当它们结合在一起时，可以彻底改变我们与数据交互和分析的方式。
Meta AI最新出品，全能的分割模型SAM：掀桌子的Segment Anything，CV届的ChatGPT已经到来！
2023年4月5号，Meta AI 发布了通用的分割网络SAM。原文题目只有两个词《Segment Anything》。SAM有望成为，或是已经成为CV领域的ChatGPT。
硅谷华人天才CEO被开除，是否会有奇迹发生？
替代方案不是一种选择。这就是为什么我对我们的长期价值如此有信心，并且没有出售我在公司的任何股份，而且只要我能养活我的家人，我也不打算这样做。今年 2 月，图森与 CFIUS 签订了国家安全协议，同意限制对某些数据的访问，采用技术控制计划，任命一名安全官和董事，成立董事会的政府安全委员会，并定期会见并
Opencv之Aruco码的检测和姿态估计
基于Opencv的Aruco码和Aruco码板的检测和姿态估计。
Ros入门 （十）----激光雷达避障 简易实现
本篇文章通过订阅/scan话题获取障碍物的距离信息，达到避障目的，提供部分代码，仅供参考。
【图像去噪研究】现有的主流图像去噪研究成果学习笔记
列举了一些目前图像去噪研究里的主流方法和相关专有名词简介
【pytorch】深度学习所需算力估算：flops及模型参数量
因为8GB显卡的实际可用显存约为7500MB左右，可以满足模型在最大推理batchsize下的显存需求，同时还有一定的余量，可以保证模型能够正常运行。在部署时，需要考虑芯片的显存，是因为显存的大小限制了模型的最大批次大小。如果模型的批次大小超过了显存的大小，那么就无法将整个批次的数据同时加载到显存中
PaddleNLP教程文档
核心API：：数据集快速加载接口，通过传入数据集读取脚本的名称和其他参数调用子类的相关方法加载数据集。： DatasetBuilder 是一个基类，所有的内置数据集都继承自该类，该类的主要功能是下载和读取数据集文件并生成Dataset。贡献者可以通过重写和_read()等方法向社区贡献数据集：Pad
【多模态】CLIP模型
Title: Learning transferable visual models from natural language supervision作者：Alec Radford * 1 Jong Wook Kim * 1 Chris Hallacy 1 Aditya Ramesh 1 Gabr
当ChatGPT遇见stable-diffusion，你不敢相信的创意艺术之旅!
欢迎来到一场创意的旅程，这里将聚焦于 ChatGPT 和 stable-diffusion 这两个令人激动的技术。在这篇文章中，我们将会探索这两种技术如何结合使用，为艺术创作带来全新的可能性。我们将探讨如何利用 ChatGPT 生成富有想象力的创意，以及如何使用 stable-diffusion 技
YoloV8改进策略：InternImage与YoloV8深度融合，动态卷积DCNv3大显神威
他来了！他来了！他带着氩弧焊的光芒过来了！作为CV的大模型，InternImage的光芒太强了。分类任务检测任务分割任务“书生2.5”可根据文本内容需求快速定位检索出语义最相关的图像。这一能力既可应用于视频和图像集合，也可进一步结合物体检测框，具有丰富的应用模式，帮助用户更便捷、快速地找到所需图像资
【深度学习】图像超分实验：SRCNN/FSRCNN
输入大小为h×w的图像X，输出为一个sh×sw的图像 Y，s为放大倍数。本次实验采用的是 BSDS500 数据集，其中训练集包含 200 张图像，验证集包含 100 张图像，测试集包含 200 张图像。数据集来源：https://download.csdn.net/download/weixin_4
