相关文章
OsekNm，讲解OSEK网络管理（直接），并对比Autosar网管。)
(万字长文)OsekNm，讲解OSEK网络管理（直接），并对比Autosar网管。
搞了两年的Autosar，用到的网络管理都是Autosar网络管理，虽然偶尔有听到或看到Osek网络管理，但是一直没机会具体进行开发和测试。最近有机会具体接触和开发到，弄完之后感受就是：还是Autosar的网络管理好用，O…
python处理日志文件
python处理日志文件 1 打开日志文件 虽然，日志文件的后缀为.log，但是基本上与文本文件没有区别，按照一般读取文本文件的方式打开即可： fp =open("e:\\data.log")
fp.close() 应用示例： fp =open("e:\\data.log")
for line in fp.readlines(): # 遍历每…
30.Isaac教程--Costmap规划器
Costmap规划器 ISAAC教程合集地址: https://blog.csdn.net/kunhe0512/category_12163211.html 文章目录 Costmap规划器组件消息入门自定义图使用自定义地图改变规划器将 Costmap 添加到视线中 将通道添加到配置 Isaac SDK 中的标准导航规划器指示机器人在避开障碍物的同时采用最…
利用 Amazon EC2 进一步降低 Amazon DeepRacer 训练成本
Amazon DeepRacer 是一款 1:18 赛车，它提供了一种用强化学习 (RL) 解决自动驾驶技术的平台。强化学习 (RL) 是一种先进的机器学习 (ML) 技术，它采用了与其他机器学习方法不同的方法来训练模型。它的强大之处在于，它不需要任何标记的训练数据就…
机器学习实验2 - 逻辑回归
一、实验原理
1.什么是逻辑回归 (LogisticRegression) 逻辑回归实际上是一种分类模型，往往用来解决二分类问题(0 or 1)。比如某用户购买某商品的可能性，某病人患有某种疾病的可能性。 Logistic 回归的本质是：假设数据服从某种分布，然后使用极大似然估计做参数的估计。 sig…
学习笔记：神经网络基础)
【图神经网络】图神经网络(GNN)学习笔记：神经网络基础
图神经网络学习笔记：神经网络基础 1. 机器学习基本概念1.1 机器学习的常见分类1.2 机器学习的一般流程1.3 常见的损失函数1.4 梯度下降算法 2.神经网络2.1 神经元2.2 多层感知机2.2.1 单隐层感知器2.2.2 感知机的信息传递 2.3 激活函数2.3.1 S型激活函数2.3.2 ReLU及…
SMOKE: Single-Stage Monocular 3D Object Detection via Keypoint Estimation 论文笔记
SMOKE: Single-Stage Monocular 3D Object Detection via Keypoint Estimation 论文笔记
论文链接： https://arxiv.org/abs/2002.10111 一、 Problem Statement
目前的单目3D视觉中，通常非常依赖于RCNN网络或者RPN网络，然后会多加一个分支去…
使用 Amazon EC2 降低 DeepRacer 的训练成本 DeepRacer-for-cloud 的实践操作
AWS DeepRacer-for-Cloud的官方博客文档： 直达链接：利用Amazon EC2进一步降低DeepRacer训练成本 | 亚马逊AWS官方博客
写在最前
由于博客中已经写了具体的方案，这里将里面的脚本提取出来，并对相应的问题做解决
这里采用 Deep L…
caffe+报错︱深度学习参数调优杂记+caffe训练时的问题+dropout/batch Normalization
一、深度学习中常用的调节参数 本节为笔者上课笔记（CDA深度学习实战课程第一期） 1、学习率
步长的选择：你走的距离长短，越短当然不会错过，但是耗时间。步长的选择比较麻烦。步长越小，越容易得到局部最优化…
达观数据：数据不够？GAN来凑！
大名鼎鼎的深度学习之父Yann LeCun曾评价GAN是“20年来机器学习领域最酷的想法”。的确，GAN向世人展示了从无到有、无中生有的神奇过程，并且GAN已经在工业界有着广泛的应用，是一项令人非常激动的AI技术。今天我将和大家一起去了解GAN及其内部工作原理，洞开GAN的大门。
本文…
数据不够？GAN来凑！
https://www.jiqizhixin.com/articles/2019-06-13-11 大名鼎鼎的深度学习之父Yann LeCun曾评价GAN是“20年来机器学习领域最酷的想法”。的确，GAN向世人展示了从无到有、无中生有的神奇过程，并且GAN已经在工业界有着广泛的应用，是一项令人非常…
台湾大学林轩田机器学习基石课程学习笔记14 -- Regularization
红色石头的个人网站：redstonewill.com 上节课我们介绍了过拟合发生的原因：excessive power, stochastic/deterministic noise 和limited data。并介绍了解决overfitting的简单方法。本节课，我们将介绍解决overfitting的另一种非常重要的方法&…
Amazon DeepRacer 模型训练指南及标准硬件配置流程
Amazon DeepRacer 介绍 Amazon DeepRacer 是一个综合性的学习系统，可供各个水平的用户用来学习和探索强化学习以及试验和构建自动驾驶应用程序。 DeepRacer 可分为两个主要部分： ● Amazon DeepRacer Console：在线训练和评估强化学习模型在模…
课程14：捕食者游戏进阶——按照gym标准书写
上一期的捕食者游戏（Q learing)进阶 参考视频南方小鱼儿：编写强化学习环境进阶
1.导入库
import numpy as np
import cv2
from PIL import Image
import time
import pickle
import pylab as plt
plt.style.use(ggplot)2.参数定义
EPISODES 30000 …
AWS DeepRacer 参数调优 Amazon SageMaker 和 Amazon RoboMaker
1. 介绍 Amazon SageMaker 和 Amazon RoboMaker 在支持 Amazon DeepRacer 方面扮演的角色 2. 如何调整奖励函数以提升性能 3. 通过超参数调优来优化模型。该视频介绍了 Amazon DeepRacer 中提供的每个超参数以及它们对跟踪性能的影响。 4. parameters
default Hyperparameters…
在CV/NLP/DL领域中，有哪些修改一行代码或者几行代码提升性能的算法？
文章转载自知乎，仅作学术分享，著作权归属原作者，如有侵权请联系删除！ 圈圈回答： 想起来些非常经典的东西 1. relu：用极简的方式实现非线性激活，还缓解了梯度消失 x max(x, 0) 2. normalization…
机器学习随记【day02-03】
课程中会用到的符号 m Number of training examples 训练样本的数量 x’s “input” variable / features 输入特征 y’s “output” variable /"target"variable 输出变量 (x,y) one training example 一个训练样本 (x^ (i),y^ (i) ) 第i个训练样本，i不…
Cohere 的 temperature、top-p、top-k、frequency_penalty、presence_penalty和likelihood参数
Cohere 的 temperature、top-p、top-k、frequency_penalty、presence_penalty和likelihood参数 1. Temperature2. Top-p 和 Top-k3. frequency_penalty 和 presence_penalty4. likelihood 1. Temperature
Temperature（范围：0 ~ 5）࿱…
推荐文章