深度学习 - 网络的优化 Optimisation for Training Deep Networks
深度学习问题需要一个损失函数，我们的目标就是通过优化算法来最小化损失，即最小化目标（损失）函数。 需要注意的是，优化和深度学习的本质目标有差异：优化关注的是最小（最大）化目标函数，深度学习更关注模型的泛化能力。比如说，训练阶段的目标是最小化训练误差，但深度学习真正关心的是减小泛化误差，也就是推理阶段
可变参数模板和折叠表达式的工程示例
多传感器融合算法往往都需要一个时间同步算法，时间同步算法的输入一般是多个带时间戳的传感器数据。 使用 C++ 不久的人，往往会给这多个传感器的类分别创建实例，在处理的时候再根据传感器数量进行遍历。这样写没有问题，就是不够优雅。 学习可变参数模板和折叠表达式需要先对 C++ 中的 Template 有
Ubuntu开发板多用户开发权限配置指南
本文主要是为了解决多用户在同一台开发板上开发时，导致的 GitHub 等 SSH key 混乱的问题。 Linux 系统多用户 # 切换到管理员权限
sudo su
# 创建用户 wfy（会自动创建 home 目录）
adduser wfy
# 系统会提示设置密码，输入 1（注意：Ubuntu
Kalman Filter原理及公式推导
卡尔曼滤波是一种高效的递归（自回归）滤波器。能够从一系列的不完全及包含噪声的测量中，估计动态系统的状态。卡尔曼滤波会根据各测量值在不同时间下的值，考虑各时间下的联合分布，再产生对未知变量的估计，因此会比只以单一测量值为基础的估计方式要准^{[1]}。 几个值 先说明一下卡尔曼滤波中涉及到的各个值：
C++11及其之后的新特性（简单介绍）
C++11 自动类型推导 auto 需要注意的是： 必须在定义时初始化 auto 类型的变量 auto 类型不能定义数组 一旦初始化，就不可更改类型 auto x = 5;
auto y = 3.14;
auto a; // 错误
auto array[10]; //错误
auto a = 1
ROS1的launch文件
之前一直是 rosrun 方式启动ros节点的, 一是因为懒, 二是因为我只负责一个节点, 用不到 launch 方式. 这次遇到了不能保存 ROS 日志的 bug, 换成 launch 方式启动就能成功保存日志了... Launch文件 ROS中 .launch 文件可以同时启动多个 node,
Livox格式的rosbag转为PointCloud2格式
参考文章前两篇是 CSDN 的，又一次让我见识到 CSDN 的文章质量之低了。 写这篇文章的目的，是 Livox LiDAR 发布的格式是 CustomMsg，没有办法用 rviz 直接可视化，必须重新发布为 PointCloud2 格式或者使用 C++ 通过驱动直接解析。 安装 先编译并安装 Li