- 博客(14)
- 收藏
- 关注
原创 MOOC ROS 6 tf&urdf
frame指的是坐标系,不同的frame之间联通都通过boardcaster(相当于nodes,publisher)来向/tf topic发送消息向/tf
2019-07-11 11:18:27 190
原创 MOOC ROS4常用工具
rvizroslaunch robot_sim_demo robot_spawn.launchrvizadd添加机器人模型 要改fixed frameadd camera image topic;里面选择监听哪一个,和之前image——view功能一样,只是通过rviz更方便的显示add lasercan (激光雷达)tiopic 选/scan 得到扫出来的障碍物的距离运行r...
2019-07-05 12:27:02 122
原创 MOOC ROS笔记 1
工程结构(文件系统级)catkin:ROS定制的编译构建系统 对CMake的扩展(用来编译ros程序的)catkin工作空间:组织和管理功能包的文件夹,以catkin工具编译...
2019-07-05 09:24:32 411
原创 吴恩达DL lesson5 第一周 第五门课 序列模型(Sequence Models)
1.1 为什么选择序列模型?(Why Sequence Models?)语音识别:将输入的语音信号直接输出相应的语音文本信息。无论是语音信号还是文本信息均是序列数据。音乐生成:生成音乐乐谱。只有输出的音乐乐谱是序列数据,输入可以是空或者一个整数。情感分类:将输入的评论句子转换为相应的等级或评分。输入是一个序列,输出则是一个单独的类别。DNA序列分析:找到输入的DNA序列的蛋白质表达的子序...
2019-05-24 10:09:15 327
原创 吴恩达DL lesson5 第二周 第五门课第二周 自然语言处理与词嵌入(Natural Language Processing and Word Embeddings)
2.1 词汇表征(Word Representation)用one-hot表示,使得每一个词都是独立没有联系的,两个向量相乘都是0,不能获取词与词之间的关联相似性。解决办法 特征表征:词嵌入利用不同的特征来对各个词汇进行表征,这样产生的向量使得词之间的相似性很好的表现出来,算法的泛化性也更好。t-SNE算法将高维的词向量映射到2维空间(这个过程被称为嵌入embeddings),对词向量...
2019-05-24 10:08:23 208
原创 吴恩达 深度学习 编程作业(4-2)- Keras tutorial - the Happy House & Residual Networks
1. HAPPYMODELimport numpy as npfrom keras import layersfrom keras.layers import Input, Dense, Activation, ZeroPadding2D, BatchNormalization, Flatten, Conv2Dfrom keras.layers import AveragePooling2...
2019-02-26 14:53:19 225
原创 吴恩达DL lesson3 week1
1.1 为什么是ML策略?(Why ML Strategy?)当你尝试优化一个深度学习系统时,你通常可以有很多想法可以去试,问题在于,如果你做出了错误的选择,你完全有可能白费6个月的时间,往错误的方向前进,在6个月之后才意识到这方法根本不管用。例如收集更多训练数据训练集的多样性不够,收集更多的具有多样性的实验数据和更多样化的反例集.使用梯度下降法训练更长的时间尝试一个不同的优化算法,例...
2019-02-21 16:45:03 160
原创 吴恩达DL lesson2 week3
3.1 调试处理(Tuning process)关于训练深度最难的事情之一是你要处理的参数的数量1学习速率α2Momentum(动量梯度下降法)的参数β3如果使用Adam 优化算法的参数β1,β2,ε,但是通常使用默认值:0.9,0.999,10−84mini-batch 的大小5不同层中隐藏单元的数量6层数7学习率衰减率常用超参数搜索https://www.cnblogs.c...
2019-02-21 10:40:22 157
原创 吴恩达DL lesson2 week2
2.1 Mini-batch 梯度下降(Mini-batch gradient descent)把训练集分割为小一点的子集训练,这些子集被取名为mini-batch,
2019-02-20 11:07:39 158
原创 吴恩达DL lesson2 week1
1.1训练,验证,测试集(Train / Dev / Test sets)测试集和验证集的区别验证集用于进一步确定模型中的超参数(例如正则项系数、ANN中隐含层的节点个数等)而测试集只是用于评估模型的精确度(即泛化能力)简而言之就是:验证集 核对的是 模型可训练参数的 泛化能力测试集 核对的是 模型超参数的 泛化能力大家要确保验证集和测试集的数据来自同一分布,因为你们要用验证集来评估不...
2019-02-03 22:49:19 127
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人