原创 視覺工程師筆試知識彙總

總結以下前些天做的筆試題。 一. 筆試題 筆試題羅列如下,大多都是去年師兄屢次杯具的見證,深表感謝,哈哈。試題以視覺工程師爲主,部分是機器人或機器學習崗位。 Autel Robotics軟件類筆試題 BaiDu視覺算法工程師筆

原创 爲什麼“Pretrained+Fine-tuning”

Deep Learning或者說CNN在圖像識別這一領域取得了巨大的進步,那麼自然我們就想將CNN應用到我們自己的數據集上,但這時通常就會面臨一個問題:通常我們的dataset都不會特別大,一般不會超過1萬張,甚至更少。 這種情況

原创 c++知識

虛函數 多態性是面嚮對象語言的基本特徵,多態性可以簡單地概括爲“一個接口,多種方法”。多態性分爲靜態多態性(編譯過程中綁定)和動態多態性。 函數重載(和運算符重載)屬於靜態多態性,一個函數名(調用接口)對應着幾個不同的函數原型(方法)。

原创 經典卷積神經網絡介紹

AlexNet 2012年,Hinton的學生Alex Krizhevsky提出了深度卷積神經網絡模型AlexNet,獲得當年ILSVRC(Image Large Scale Visual Recognition Challenge)

原创 tensorflow實現LeNet-5模型

此例程出自《TensorFlow實戰Google深度學習框架》6.4.1小節 經典卷積網絡模型之LeNet-5模型,具體可搜索“LeNet-5, convolutional neural networks”。 例程中的網絡模型與原始Le

原创 tensorflow常用函數及概念

命令式編程與聲明式編程 命令式編程(imperative programming):每個語句都按原來的意思執行,可以精確控制行爲。通常可以無縫的和主語言交互,方便的利用主語言的各類算法,工具包,bug和性能調試器。缺點是實現統一的輔助函數

原创 ROS學習之CMakelists.txt和package.xml

package.xml 當你的package裏已經包含配置文件(package.xml),ROS能夠找到它。執行:rospack find [包名稱]。應該注意到我們剛纔所創建的package.xml依賴於 roscpp 和 std_ms

原创 爲什麼會出現Batch Normalization層

訓練模型時的收斂速度問題 衆所周知,模型訓練需要使用高性能的GPU,還要花費大量的訓練時間。除了數據量大及模型複雜等硬性因素外,數據分佈的不斷變化使得我們必須使用較小的學習率、較好的權重初值和不容易飽和的激活函數(如sigmoid,正負兩

原创 ROS官網初級教程學習總結(17-20)

教程網址:http://wiki.ros.org/cn/ROS/Tutorials。 本博客爲10-16小節。 錄製與回放數據 錄製數據(通過創建一個bag文件) 如何記錄ROS系統運行時的話題數據,記錄的話題數據將會累積保存到bag

原创 ROS官網初級教程學習總結(5-9)

教程網址:http://wiki.ros.org/cn/ROS/Tutorials。 本博客爲5-9小節。 理解 ROS節點 圖概念概述 Nodes:節點,一個節點即爲一個可執行文件。節點可以發佈或接收一個話題,也可以提供或使用某種

原创 ROS官網初級教程學習總結(1-4)

教程網址:http://wiki.ros.org/cn/ROS/Tutorials。 本博客爲1-4小節。 安裝並配置ROS環境 安裝ROS 安裝時記得換個好點的軟件源,要不然會因爲網絡連接問題一直失敗。 管理環境 export | g

原创 ROS官網中級教程學習總結(1-6)

教程網址:http://wiki.ros.org/cn/ROS/Tutorials。 本博客爲1-6小節。 手動創建ROS package 添加xml文件。當你的package裏已經包含配置文件(package.xml),ROS能夠

原创 vim實用操作

多行註釋與刪除註釋 參考:vim常用命令之多行註釋和多行刪除 多行刪除 命令輸入:32,65d,刪除32-65行 ndd,刪除光標所在的向下n行。 :set nu 顯示行號 Vundle插件管理 vundle是一款插件管理工具。安裝方

原创 ROS官網初級教程學習總結(10-16)

教程網址:http://wiki.ros.org/cn/ROS/Tutorials。 本博客爲10-16小節。 創建ROS消息和ROS服務 消息(msg)和服務(srv)介紹 消息(msg): msg文件就是一個描述ROS中所使用消

原创 最小二乘法的多元線性迴歸

方法介紹 “最小二乘法”一句話解釋:一種數學優化方法,通過最小化誤差的平方和來尋找合適的數據擬合函數。 線性模型的最小二乘可以有很多方法來實現,比如直接使用矩陣運算求解析解,sklearn包(參考:用scikit-learn和panda