当前位置: 首页 > article >正文

AirSim实战指南:从零构建Python无人机控制脚本

1. 环境准备搭建你的第一个AirSim仿真世界想用Python控制无人机在天上自由翱翔听起来很酷对吧但别急着写代码咱们得先把“舞台”搭好。这个舞台就是AirSim一个由微软开源的、基于游戏引擎通常是Unreal Engine的高保真仿真平台。它可不是一个简单的玩具而是正经用来研究自动驾驶和无人机算法的工具画面和物理引擎都非常逼真。我刚开始接触时觉得装个软件能有多难结果踩的第一个坑就是环境配置。很多人卡在这一步就放弃了其实只要顺序对了一步步来十分钟就能搞定。首先你的电脑需要满足一些基本条件我推荐使用Windows 10或11系统因为对Unreal Engine的支持最好。内存最好有16GB以上毕竟运行一个3D游戏引擎还是很吃资源的。显卡嘛有个GTX 1060或同等性能以上的独立显卡运行起来会更流畅。第一步安装Python和必要的库。这是我们的“遥控器”。我强烈建议你使用Anaconda来管理Python环境它能避免很多包版本冲突的糟心事。打开Anaconda Prompt创建一个专门用于AirSim的环境比如叫airsim_envconda create -n airsim_env python3.8 conda activate airsim_env为什么用Python 3.8因为这是目前与AirSim客户端库兼容性非常稳定的版本。激活环境后安装两个核心库pip install msgpack-rpc-python pip install airsim那个msgpack-rpc-python是通信用的底层库airsim则是我们用来发号施令的官方Python客户端库。安装成功后可以在Python里import airsim试试不报错就成功了一半。第二步获取并运行仿真环境。AirSim本身是插件需要“寄生”在一个Unreal引擎项目中。对于新手最省事的方法是直接下载微软官方预建好的二进制环境。你去AirSim的GitHub仓库的Release页面找一个叫“Blocks”的环境下载。这是一个经典的、有很多彩色方块的城市环境专门用于测试。下载解压后直接运行里面的.exe文件比如Blocks.exe。当你看到一座漂浮着彩色方块的城市画面时恭喜你仿真世界启动成功了这时候你会发现自己“卡”在了地面视角别慌这是正常现象。无人机还没被“唤醒”呢。为了让AirSim知道我们要操控的是无人机而不是汽车我们需要一个关键的配置文件settings.json。这个文件通常放在你的用户目录下的Documents\AirSim文件夹里如果文件夹不存在就自己创建一个。用记事本或任何代码编辑器创建一个settings.json写入以下最基础的配置{ SettingsVersion: 1.2, SimMode: Multirotor }这个SimMode: Multirotor就是告诉AirSim“嘿我这次要玩的是多旋翼无人机”。如果你改成Car那整个环境就会变成汽车仿真。保存文件后需要完全关闭并重新启动刚才的Blocks环境配置才会生效。重新进入后你应该能看到一架无人机静静地停在某个起点上这就是我们即将用代码操控的主角了。2. 建立通信让你的Python脚本“握住”遥控器环境跑起来了无人机也看到了现在最关键的一步是让我们的Python脚本和这个仿真世界里的无人机建立联系。你可以把这想象成给你的电脑和仿真程序之间连上一根虚拟的数据线这根线就叫API应用程序编程接口。连接无人机的核心代码只有两行但理解背后的原理能帮你避开很多坑。打开你的Python编辑器我习惯用VS Code或PyCharm新建一个脚本比如叫drone_controller.py。首先导入库然后建立连接import airsim # 创建客户端对象尝试连接 client airsim.MultirotorClient() # 确认连接是否成功 client.confirmConnection()这里的airsim.MultirotorClient()就是创建了一个专门用于多旋翼无人机控制的客户端对象client。它默认会尝试连接本机localhost的默认端口。client.confirmConnection()这行代码非常重要它会阻塞程序直到连接成功并打印出连接信息。如果运行后你看到控制台打印出类似“Connected!”的信息说明这根“数据线”已经插好了。如果这里报错了最常见的原因是仿真环境没有启动或者settings.json配置有误。请务必确认你的Blocks.exe正在运行并且配置文件中的SimMode是Multirotor。我遇到过好几次因为环境启动后忘了放配置文件或者配置文件放错了位置导致连接一直超时折腾了半天。连接成功后我们还需要做一件事获取控制权。这就像你拿到了一架新无人机默认是锁定的防止误操作。AirSim的API控制默认也是关闭的为了安全。所以在发送任何飞行指令前必须显式地获取控制权client.enableApiControl(True) # 获取API控制权 print(控制权已获取)同样在脚本结束飞行任务后一个好习惯是主动释放控制权这是一个安全的编程实践client.enApiControl(False) # 释放API控制权 print(控制权已释放)不释放的话仿真环境会一直处于被外部程序控制的状态你手动在环境里按键盘是没法操作无人机的。我建议把获取和释放控制权的代码像“括号”一样放在你主要飞行逻辑的一头一尾确保万无一失。3. 基础飞行指令解锁、起飞、降落与悬停现在通信畅通控制权在手我们可以开始真正“飞”了。无人机的基础飞行流程和真实世界非常相似解锁电机 - 起飞 - 执行任务 - 降落 - 锁定电机。让我们用代码一步步实现这个流程。首先解锁无人机。这个操作会让无人机的螺旋桨开始旋转处于待命状态client.armDisarm(True) print(无人机已解锁)运行这行代码后你切回仿真画面应该能听到螺旋桨开始旋转的声音看到桨叶动起来。如果没反应检查一下上一步的enableApiControl(True)是否成功执行了。接着让无人机起飞。AirSim提供了一个非常简单的异步起飞指令client.takeoffAsync().join() print(无人机已起飞)这里出现了第一个关键概念异步Async操作。在AirSim中像起飞、移动这类需要时间的动作函数名通常以Async结尾。这意味着函数调用后会立即返回不会等待动作完成。那怎么知道它什么时候做完呢有两种方法一是使用.join()就像上面代码那样它会阻塞当前程序直到这个起飞任务彻底完成。二是使用“回调”或“未来Future”对象这在复杂任务编排时有用但初期我们用.join()最简单可靠。起飞后无人机默认会爬升到一个预设的高度比如2米并悬停。这时你可以让它悬停一会儿模拟一个观察或等待指令的过程import time client.hoverAsync().join() # 确保进入悬停模式 time.sleep(5) # 悬停5秒钟 print(悬停结束)hoverAsync().join()是命令无人机主动保持当前位置和高度。后面的time.sleep(5)是让Python程序等待5秒。在这5秒里无人机会努力对抗微风等模拟扰动稳定在原地。最后安全降落并锁定。降落指令同样简单client.landAsync().join() print(无人机正在降落...) # 等待一小段时间确保降落流程完成 time.sleep(2) client.armDisarm(False) print(无人机已锁定)landAsync()会命令无人机缓缓降落到地面。降落完成后一定要执行armDisarm(False)来锁定电机螺旋桨会停止转动。至此一个最基础的“起飞-悬停-降落”流程就完成了。你可以把上面这几段代码按顺序组合起来运行一下亲眼看看你的代码是如何让仿真无人机动起来的这种感觉非常棒4. 精准控制理解坐标系与位置移动只会起飞降落还不够我们得能让无人机飞到我们指定的位置。这就涉及到AirSim中最重要的概念之一坐标系。如果坐标系搞错了你让无人机往前飞它可能往左跑了或者直接砸向地面。我当初就在这里迷糊了好久。AirSim主要涉及两套坐标系务必分清AirSim全局坐标系NED坐标系这是我们在写代码时使用的坐标系。它的原点0,0,0就是你仿真环境中PlayerStart的位置。X轴指向北North。Y轴指向东East。Z轴指向地Down。单位米。注意这里的Z轴是向下为正的。这意味着如果你想让无人机离地面更高你需要给它一个负的Z值。比如高度3米对应的坐标是z -3。这是最容易出错的地方机体坐标系这是固定在无人机身上的坐标系。X轴指向无人机机头前方。Y轴指向无人机右侧。Z轴指向无人机下方。单位米。这个坐标系在控制无人机朝向时非常重要。理解了坐标系我们就可以进行位置控制了。最常用的两个函数是moveToZAsync和moveToPositionAsync。moveToZAsync专门控制高度。例如让无人机上升到5米高度并以2米/秒的速度爬升client.moveToZAsync(-5, 2).join() # 目标高度5米z-5速度2m/s记住高度是负值moveToPositionAsync则能控制无人机飞到三维空间中的任意一点。比如让无人机飞到起点正北方向10米、正东方向5米、离地8米的位置速度设为3米/秒client.moveToPositionAsync(10, 5, -8, 3).join() # (x, y, z, velocity)参数顺序是(x, y, z, 速度)。这个指令会让无人机规划一条路径飞向目标点并在到达后悬停。5. 高级机动速度控制与偏航角调整位置控制是“指哪打哪”但有时候我们需要更动态的控制比如“以某个速度持续飞行一段时间”或者让无人机在飞行中转动机头方向改变偏航角。这就需要用到速度控制和偏航控制。速度控制使用moveByVelocityZAsync或moveByVelocityAsync。它们的特点是控制的是速度而不是位置无人机不会在某个点停下来除非你发送新的指令。moveByVelocityZAsync让你可以指定水平方向X, Y的速度同时锁定一个固定的飞行高度。例如让无人机在5米高度以2米/秒的速度向正北方向X方向飞行4秒钟client.moveByVelocityZAsync(2, 0, -5, 4).join() # (vx, vy, z, duration)参数是(X方向速度, Y方向速度, 固定高度Z, 持续时间)。执行这段代码无人机会在5米高度向北匀速飞行4秒然后停下来。这里有个坑要注意速度控制是靠时间截止的由于无人机加速和减速需要过程实际飞行的距离可能和“速度×时间”的计算结果有细微误差。对于高精度定点还是用位置控制更靠谱。偏航角控制则决定了无人机机头指向哪里。这在航拍、巡检等需要调整摄像头方向的场景下非常有用。偏航角通常结合moveToPositionAsync或moveByVelocityZAsync的yaw_mode参数来实现。yaw_mode需要用一个airsim.YawMode对象来设置。这里有两个关键参数决定偏航行为drivetrain驱动模式。airsim.DrivetrainType.ForwardOnly表示机头始终朝向速度方向像固定翼飞机。airsim.DrivetrainType.MaxDegreeOfFreedom表示机头方向可以独立控制。yaw_mode偏航模式。airsim.YawMode(is_rate, angle)。is_rate如果为Trueangle表示偏航角速度度/秒无人机会持续旋转。如果为Falseangle表示目标偏航角度无人机会转向那个绝对角度。举个例子如果我们想让无人机飞到某个位置的同时将机头转向90度东方from airsim import YawMode, DrivetrainType # 设置偏航模式非角速度模式目标偏航角90度 yaw_mode YawMode(is_rateFalse, yaw_or_rate90) # 飞到目标点同时转向。使用MaxDegreeOfFreedom模式以便独立控制偏航。 client.moveToPositionAsync(10, 5, -8, 3, drivetrainDrivetrainType.MaxDegreeOfFreedom, yaw_modeyaw_mode).join()这样无人机在飞向(10,5,-8)的途中机头就会逐渐转向东方。多尝试组合这些参数你就能让无人机飞出更复杂的轨迹和姿态。6. 实战脚本组装与调试技巧现在我们把前面所有的知识碎片拼装起来写一个有点意思的完整脚本。比如我们让无人机完成一个方形航线飞行起飞 - 悬停 - 向北飞 - 向东飞 - 向南飞 - 向西飞 - 回到原点 - 降落。import airsim import time def fly_square_mission(): # 1. 连接 client airsim.MultirotorClient() client.confirmConnection() # 2. 获取控制权 client.enableApiControl(True) # 3. 解锁并起飞 client.armDisarm(True) client.takeoffAsync().join() print(起飞完成开始执行方形航线) # 设定方形边长和飞行高度 side_length 10 # 米 flight_altitude -8 # 8米高度 # 4. 执行方形航线 (假设起点为原点) # 向北飞 client.moveToPositionAsync(side_length, 0, flight_altitude, 3).join() print(到达北顶点) time.sleep(1) # 短暂悬停观察 # 向东飞 client.moveToPositionAsync(side_length, side_length, flight_altitude, 3).join() print(到达东北角) time.sleep(1) # 向南飞 client.moveToPositionAsync(0, side_length, flight_altitude, 3).join() print(到达东顶点) time.sleep(1) # 向西飞回原点 client.moveToPositionAsync(0, 0, flight_altitude, 3).join() print(返回原点) # 5. 降落并锁定 client.landAsync().join() time.sleep(2) client.armDisarm(False) client.enableApiControl(False) print(任务完成无人机已锁定) if __name__ __main__: fly_square_mission()写完脚本一运行可能并不会一帆风顺。下面分享几个我踩过坑后总结的调试技巧“连接被拒绝”或超时99%的原因是仿真环境没启动。先去确认你的Blocks窗口是不是真的在运行并且没有卡在加载界面。无人机不动但没报错检查控制权。确保enableApiControl(True)成功执行了。可以在后面加一句print(client.isApiControlEnabled())来验证应该返回True。无人机乱飞或往反方向飞复查坐标系尤其是Z轴的正负。记住想让无人机升高Z值要更负例如从-5到-10。动作没执行完就被打断这是异步编程的常见问题。如果你连续发送多个Async指令而不加.join()它们会几乎同时开始互相干扰。对于顺序任务一定要在需要等待的动作后加上.join()。利用状态查询多使用client.getMultirotorState()这个函数。它能返回无人机的位置、速度、姿态、GPS信息等一大堆数据。在关键步骤前后打印一下状态是定位问题最有效的方法。比如起飞后打印一下位置看看高度是不是真的变了。可视化调试AirSim仿真界面本身就是一个强大的调试工具。你可以按F1键有时需要先按ShiftF1显示鼠标调出API控制面板里面能看到实时数据。也可以按“M”键切换到手动观察模式用方向键和PageUp/PageDown键自由调整视角近距离观察你的无人机。编程控制无人机就像学习骑自行车最开始可能会摔几次但一旦掌握了平衡理解了坐标系和异步控制后面就是享受自由的乐趣了。从让无人机动起来到能精准画出方形、圆形再到实现复杂的航点任务每一步突破都很有成就感。最重要的是这一切都在安全的仿真环境中进行你可以大胆尝试任何想法不用担心炸机。

相关文章:

AirSim实战指南:从零构建Python无人机控制脚本

1. 环境准备:搭建你的第一个AirSim仿真世界 想用Python控制无人机在天上自由翱翔,听起来很酷对吧?但别急着写代码,咱们得先把“舞台”搭好。这个舞台就是AirSim,一个由微软开源的、基于游戏引擎(通常是Unre…...

从零到一:在Ubuntu上配置SSH服务并用MobaXterm实现安全远程访问

1. 为什么你需要远程访问Ubuntu?从场景聊起 想象一下这个场景:你刚拿到一台性能不错的服务器,或者在自己的电脑上装好了Ubuntu系统,准备大干一场。但机器放在书房角落,或者干脆是托管在机房的云服务器,你总…...

真实世界研究R代码总被药监局退回?这8个ADaM变量命名雷区,92%的临床数据科学家已中招

第一章:真实世界研究中ADaM合规性困境的根源剖析 在真实世界研究(RWS)中,ADaM(Analysis Data Model)规范的落地常遭遇结构性冲突——其设计初衷面向传统随机对照试验(RCT)的预设数据…...

MiniCPM-o-4.5-nvidia-FlagOS生成LaTeX文档效果:从草稿到排版一气呵成

MiniCPM-o-4.5-nvidia-FlagOS生成LaTeX文档效果:从草稿到排版一气呵成 每次写论文或者技术报告,最头疼的是什么?对我来说,不是想内容,而是排版。那些复杂的数学公式、交叉引用、参考文献格式,还有怎么也调…...

Qwen Pixel Art效果展示:支持1:1/4:3/16:9多种宽高比的像素图精准生成

Qwen Pixel Art效果展示:支持1:1/4:3/16:9多种宽高比的像素图精准生成 还记得小时候玩红白机时,那些由一个个小方块组成的游戏世界吗?那种独特的、充满复古魅力的画面风格,就是像素艺术。如今,这种风格不仅没有过时&a…...

Windows环境下高效批量抓取RPM包的实战指南

1. 为什么要在Windows上批量抓取RPM包? 很多朋友可能觉得奇怪,RPM包不是Linux系统(尤其是Red Hat、CentOS、Fedora这些发行版)专用的软件包格式吗?为什么要在Windows系统上折腾这个?我刚开始接触这个需求时…...

FLUX.1-dev实战分享:如何利用开源模型生成细节丰富的创意视觉内容

FLUX.1-dev实战分享:如何利用开源模型生成细节丰富的创意视觉内容 如果你正在寻找一款能真正理解你想法、并能将复杂创意转化为高质量图像的AI工具,那么FLUX.1-dev绝对值得你花时间深入了解。作为Black Forest Labs推出的开源图像生成模型,它…...

鸿蒙智控节点:基于Hi3861的轻量级物联网边缘执行器设计

1. 项目概述“鸿蒙智控节点”是一个面向物联网边缘控制场景的嵌入式硬件平台,其核心目标是提供一种低功耗、高集成度、可快速部署的无线智能控制终端。该节点并非通用型开发板,而是针对具体物理交互任务(如云台调节、灯具开关、声控触发&…...

Dify私有化部署避坑指南:97%企业踩过的4类网络分段错误、2种认证断链风险与实时熔断配置(含等保三级合规checklist)

第一章:Dify私有化部署的等保三级合规基线与架构定位等保三级(GB/T 22239–2019)对AI应用平台提出明确要求:身份鉴别需双因素认证、访问控制须基于最小权限原则、日志留存不少于180天、敏感数据须加密存储与传输、系统须具备入侵检…...

R语言设备故障预测落地难?揭秘90%工程师忽略的4个数据预处理致命陷阱

第一章:R语言设备故障预测落地难?揭秘90%工程师忽略的4个数据预处理致命陷阱在工业IoT场景中,大量工程师用R构建LSTM或随机森林模型预测设备剩余寿命(RUL),却在生产环境持续遭遇AUC骤降、误报率飙升甚至模型…...

YOLOE实战指南:如何自定义类别名称列表实现零样本迁移

YOLOE实战指南:如何自定义类别名称列表实现零样本迁移 如果你正在寻找一个既能做目标检测又能做实例分割,还能识别任意类别物体的模型,那么YOLOE绝对值得你深入了解。想象一下,你有一个工业质检项目,需要检测“裂纹”…...

5分钟快速体验GTE模型:Colab在线实战指南

5分钟快速体验GTE模型:Colab在线实战指南 想试试阿里达摩院开源的GTE文本向量模型,但又不想折腾本地环境?今天咱们就来个极简体验,用Google Colab在线跑通GTE模型,从安装到出结果,5分钟搞定。 GTE&#x…...

CHORD-X与STM32嵌入式系统联动:边缘计算战术节点设计

CHORD-X与STM32嵌入式系统联动:边缘计算战术节点设计 最近在做一个挺有意思的项目,需要把AI大模型的能力“下沉”到最靠近数据产生的地方。我们尝试用一块小小的STM32单片机,配合一个摄像头,搭建了一个低成本的边缘感知节点。这个…...

小白/程序员入门大模型必看:AI工程师成长路线,告别迷茫快速入场

你是不是也有这种困惑? AI大模型火得一塌糊涂,不管是想转行AI,还是程序员想拓展技能边界,都想分一杯羹,可站在门口却无从下手? 网上的AI教程铺天盖地,刷得越多越焦虑——有人说入门必须先啃高…...

AudioSeal效果展示:同一音频嵌入不同payload(版权ID/时间戳/渠道码)对比效果

AudioSeal效果展示:同一音频嵌入不同payload(版权ID/时间戳/渠道码)对比效果 1. 引言:音频水印的“隐形身份证” 想象一下,你创作了一段精彩的AI语音,发布到网上后,很快被其他人下载、二次剪辑…...

ChatGPT使用技巧:从API调用到生产环境优化的实战指南

在构建基于大语言模型的应用时,直接调用ChatGPT API虽然便捷,但在生产环境中往往会遇到一系列挑战。高延迟、不可预测的token消耗、突发的速率限制(RateLimit)错误以及响应质量的不稳定性,都可能成为系统稳定性和用户体…...

一文说透Native-PAGE

非变性聚丙烯酰胺凝胶电泳(Native-PAGE)或称为活性电泳是在不加入SDS和巯基乙醇等变性剂的条件下,对保持活性的蛋白质进行聚丙烯酰胺凝胶电泳,常用于酶的鉴定、同工酶分析和提纯。与非变性凝胶电泳最大的区别就在于蛋白在电泳过程中和电泳后都不会变性&a…...

外泌体研究解决方案

背景介绍外泌体(exosomes)是一类由细胞分泌到胞外的囊泡,最早由Pan和Johnstone在绵羊网织红细胞中发现并命名。随着研究的深入,人们发现包括血细胞、免疫细胞、癌细胞、干细胞等在内的几乎所有细胞都可以产生外泌体,所产生的外泌体不仅存在于…...

Python3 运算符(上篇)

什么是运算符?本章节主要说明 Python 的运算符。举个简单的例子:4 5 9例子中,4 和 5 被称为操作数, 称为运算符。Python 语言支持以下类型的运算符:算术运算符比较(关系)运算符赋值运算符逻辑运算符位运算符身份运算…...

华为od 面试八股文_C++_09_含答案

目录 1:extern "C" 的作用是什么?为什么要使用它? 2:explicit 关键字有什么用?为什么很多构造函数建议加上它? 3:详细说一下迭代器失效(Iterator Invalidation&#xf…...

第2讲 配置和管理复制拓扑

目录 1.什么是MySQL复制?何时使用MySQL复制? (1)概念 (2)应用场景 【1】水平横向扩展 【2】商业智能与分析 在正式介绍其用途前,我们先理清两个概念---OLTP和OLAP 2.为什么配置复制不能用soc…...

Using Vulkan -- Querying Properties, Extensions, Features, Limits, and Formats -- Enabling Features

本节讲解启用 features 的具体流程。 Category of Features Vulkan 中的所有 feature 可归为 / 查自以下 3 类: Core 1.0 Features 这些是 Vulkan 1.0 初始版本就提供的特性集合。特性列表可在 VkPhysicalDeviceFeatures 中找到。 Future Core Version Feature…...

问题解决方法:铺铜修改后无反应的完整排查与解决步骤

你已经把铜箔 / 内电层到焊盘的间距设为 0,但铺铜仍有间隙,这通常是热焊盘规则或铺铜未重建导致的,按以下步骤逐一解决:1. 先关闭热焊盘(发散连接)热焊盘会刻意在铺铜和引脚间留间隙,这是最常见…...

AI重构医疗生态:从技术赋能到临床革命,未来医疗已至

人工智能正在以一种不可逆的方式,渗透并重塑医疗健康行业。如果说过去几年,AI在医疗领域的应用还停留在影像识别、病历结构化、辅助问诊等单点突破,那么从2025到2026年开始,随着多模态大模型、可解释AI、联邦学习、数字孪生与端侧…...

【 Windows 操作系统】.bat 与 .ps1 的区别和作用

很多人“会用脚本”,但说不清脚本。 真正的差距,往往从 bat 和 ps1 的理解深度 开始拉开。一、为什么 Windows 会同时存在 .bat 和 .ps1?这是一个历史 架构演进的问题。.ps1 是 PowerShell 脚本文件的扩展名,用于编写和执行 Powe…...

Coruna 漏洞工具包曝光:苹果紧急推送 iOS 15.8.7,老 iPhone 正面临一场「无声围剿」

近日,苹果面向仍在使用 iOS 15 的老旧机型,紧急推送 iOS 15.8.7 安全更新,官方描述简短低调,却直指一个代号为 Coruna 的高危漏洞利用工具包。这不是一次常规迭代,而是一场针对数亿旧款 iPhone 的安全止损。 在移动安全…...

RAG技术解析:让大模型从“闭卷考试“到“开卷考试“的进化

RAG(检索增强生成)是一种结合检索与生成的AI架构,通过外挂知识库解决大模型的幻觉、缺乏专业知识和可解释性问题。工作流程分为索引、检索、增强、生成四阶段。企业应用广泛,包括知识助手、智能客服等。未来发展趋势包括GraphRAG、Agent增强RAG和多模态R…...

用大模型和RAG打造智能客服系统,小白也能轻松上手

本文详细介绍了如何利用大模型和RAG技术构建智能客服系统。通过分块处理企业文档、向量化存储和检索知识,系统能够理解用户意图、提供准确回答并支持多轮对话。相比传统客服的慢、笨、贵,该方案可降低70%成本,支持本地部署保障数据安全&#…...

“HALCON error #2404: Invalid handle type in operator do_ocr_multi_class_cnn

"HALCON error #2404: Invalid handle type in operator do_ocr_multi_class_cnn版本不一致的时候,安装群里的halcon20.11...

大模型学习宝典:零基础入门到项目实战的完整攻略

这篇文章提供了从零进入大模型领域的完整转型攻略,包括明确目标方向、掌握基础知识、学习大模型技术、实践项目、参与开源社区、推荐学习资源、职业发展建议和常见问题解答,帮助读者系统学习大模型技术并成功转型。 这里为你提供一份详细的转型攻略&…...