link的博客

原创 MuJoCo源码学习笔记1：编译安装及目录分析

这个cmake只自动编译了MuJoCo的主体，没有python binding，python部分需要另外弄，我的主要目的是学习MuJoCo本身，因此这个先不搞。安装完成后运行，/opt/mujoco/bin 目录下的simulate，仿真器可以启动，将源码中提供的模型拽进去，也可以正常仿真，说明安装成功了。以上部分是根据文档和文件夹名称得到的信息，其中有不确定的部分，真正要弄明白还是得看看项目是怎么构建的。编译时添加了这些文件夹，说明除了src下的源码，还是用了plugin下的两个插件中的源码。

原创 论文阅读: Inertia Tensor Properties in Robot Dynamics Identification: A Linear Matrix Inequality Approac

惯性张量物理一致性约束的LMI形式

原创 论文阅读-Physical feasibility of robot base inertial parameter identification: A linear matrix inequalit

机械臂最小惯性参数辨识和物理一致性约束

原创 AFAT稳定性分析

AFAT传函分析

原创 读书笔记: NonLinear System Identification, Chapter 10

Nonlinear system identification 读书笔记 chapter 10

原创 Kronecker product 和 Vectorization

Kronecker product 和 Vectorization

原创 论文阅读: Sliding Mode Momentum Observers for Estimation of External Torques and Joint Acceleration

Sliding Mode Momentum Observers for Estimation of External Torques and Joint Acceleration

原创 机器人动力学无源性质证明

机器人动力学，无源性质证明

原创 读书笔记: Cartesian Impedance Control of Redundant and Flexible-Joint Robots , Section 4

Cartesian Impedance Control of Redundant and Flexible-Joint Robots 读书笔记

原创 读书笔记: Cartesian Impedance Control of Redundant and Flexible-Joint Robots , Section 3

Cartesian Impedance Control of Redundant and Flexible-Joint Robots 读书笔记

原创 读书笔记: Cartesian Impedance Control of Redundant and Flexible-Joint Robots, Section 2

Cartesian Impedance Control of Redundant and Flexible-Joint Robots 读书笔记

原创 读书笔记: Cartesian Impedance Control of Redundant and Flexible-Joint Robots, Section 1

Cartesian Impedance Control of Redundant and Flexible-Joint Robots 读书笔记

原创 3080/3090 pytorch gpu计算环境安装指南 ubuntu20.04

3080/3090 pytorch gpu计算环境安装指南 ubuntu20.0430系列显卡安装pytorch gpu计算环境需要解决的核心问题环境介绍安装驱动 cuda cudnn安装pytorchconda安装源码编译安装安装 PyTorch Geometric本文档写于2020年10月22日，若有任何官方安装包更新 请使用官方轮子进行安装30系列显卡安装pytorch gpu计算环境需要解决的核心问题30系列显卡是新一代架构，新驱动不支持cuda9以及cuda10，所以必须安装cuda11、

翻译 CNN图像分类综合设计指南

原创 SO-Net论文阅读笔记（1）SOM

SO-Net论文阅读笔记（1）SOM这是CVPR2018新出来的论文，大体看了一下，里面用的想法和之前写的PointCNN有神似之处，挺赶兴趣的，于是就精读一下。markdown对图片的支持真的难受，凑合一下吧。这是整体的网络结构，我们来一点一点分析。1. SOM 自组织竞争网络  最底层（最前面）的SOM被用于产生点云数据的低维表示（在这篇文章里是2维）。使用的学习方法是无监...

原创 SE-Net 阅读笔记

SE-Net 阅读笔记基本结构 其中FtrFtrF_{tr}是一个从XXX到UUU的变换，比如是一个卷积或者一组卷积。 跟在FtrFtrF_{tr}之后是squeeze操作和excitation操作。 特征UUU首先进过挤压操作,聚合根据空间维度聚合特征图产生每个通道的描述。这个描述中拥有这个特征图的全局信息，使得被容易被捕获的全局区域被用于低层网络。 再经过激发操作（从自...

原创 深度学习入门指南：从零开始TinyMind汉字书法识别

深度学习入门指南：从零开始TinyMind汉字书法识别这几天在刷这个新出的比赛，受举办方邀请谢了一篇文章，也转到CSDN来和大家分享下吧。话说TinyMind不是被CSDN收购了么，我这算不算把统一个发了两遍23333环境搭建数据导入启动网络环境搭建：对入门来说，最容易的还是在windows下进行开发。而且现在各种深度学习架构大都支持windows，因此如果只是入门深度学习...

原创 从零开始PyopenGL(2): 简单立体图形绘制

import pygamefrom pygame.locals import *from OpenGL.GL import *from OpenGL.GLU import *verticies = ( # 顶点坐标 瞎写的 (2, 0, 0), (0, 1, 0), (0, 1, 1), (0, 0, 1) )edges = ( ...

原创 从零开始PyopenGL(1): 简单图形绘制

不多废话上代码，注释应该很清楚了#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/3/23 16:25# @Author : Barry# @Site : # @File : learn.py# @Software: PyCharmfrom OpenGL.GL import *from Ope...

原创 pytorch 中计算精度、回归率、F1 score等指标

pytorch 中计算精度、回归率、F1 score等指标pytorch中训练完网络后，需要对学习的结果进行测试。官网上例程用的方法统统都是正确率，使用的是torch.eq()这个函数。 但是为了更精细的评价结果，我们还需要计算其他各个指标。在把官网API翻了一遍之后发现并没有用于计算TP，TN，FP，FN的函数。。。 在动了无数歪脑筋之后，心想pytorch完全支持numpy，那能不能直...

原创 PointCNN 论文阅读笔记

最近在做velodyne的识别问题，导师让用深度学习，正好看到说是山东大学的PointCNN刷新了多项点云识别和分割的记录，就好好读读这篇论文。这篇论文先举例子解释了为什么卷积无法直接应用在点云数据上。如图1， 传统的卷积是作用在2维图像数据上。图像中每个像素的顺序是固定的，也就是说数据是结构化存储的。直接使用conv2d就能从这种潜在的空间结构中获取信息。而点云数据是点集，如果直接使用卷积会出现...