matlab怎么安装机器人工具箱

呃，大家好啊，嗯，上一期视频呢，给大家简单的介绍了一下这个迈特拉格二零二二 a 这个版本的安装。 嗯，那么这一期视频呢，考虑到我个人的一些情况，而且这里按照我自己的安排呢，我是想给大家分享一下这个机器人的一些比较有意思的东西啊，尤其是这个机械臂相关的一些基础知识。 嗯，我认为可能更多的我们说可能离功课的男生更喜欢这些东西，对吧？嗯，这里说一下啊，现实其实远不止此啊， 那我知道很多人其实都想做一台属于自己的机械臂出来啊，包括我们还可以在这个基础上，呃，向机械臂扩展一些我们更多想要的功能。嗯，还有一个比较重要的其实是什么呢？就是，呃，这个 东西还能让我们有这个四处吹牛的这个资本哈，对吧？嗯，咱比如说这个，和朋友出去玩，朋友问你，哎，吃了吗？那，那，那我们此时不装逼，那更待何时呀？你就告诉他，哎，你怎么知道我做了一台仿真机械币出来呢，对吧？ 嗯，那么实际上呢，我们我们自己要想做一台这个实体机械币出来呢，可能至少要上千的成本了啊。嗯，要求高一些的话，这个开销更是上不封顶了。就 那么想到现在可能大家还是处在这个学生阶段啊，经济条件可能没有想象中的那么富裕，嗯，包括我自己也是这样的一个状况啊，所以呢，我就觉得我有必要出这样的一期视频。 嗯，一是想告诉大家啊，我们可以换这个，换一种当前更适合我们的方式，呃，来完成我们的一个制作机械臂的这么一个梦想啊。 嗯，二一个呢，就是我想把我获取到的这个资源呢，分享给那些想要做但是找不到资源的小伙伴啊。嗯，也算是给大家提供一个更便捷的资源获取途径吧。 啊，还有一点我需要说明一下啊，就是说这个做机器人哈，我们的这个仿真环节应该说是必不可少的啊， 这个其实就是我们做机器人这个工作过程的一部分啊，因为我，呃我们只有在这个仿真环境中确定了我们这个方案的可行性之后呢？嗯，我们才能进一步的把 把我们的这些，呃，无论是这个理论啊，数据啊，还是这个实现方法，包括这个算法之类的移植到这个硬件中去。 嗯，那么我们为什么要安装这个工具箱呢？其实前面已经说过了啊，就是说他可以帮助我们做机器人的呃一些仿真工作，嗯，那有同学就问了他，他都可以具体做啥呢？嗯，这里我带大家看一下吧， 我们可以看一下他的这个官方介绍。嗯，来，哎，这个界面呢，这个就是这个 get hub 上面的这个 mile 吧，机器人工具箱的这个作者的主页啊，这个 存储过的主页，我们往下滑，他这里有很多项目啊， 看很多的应用，那我们看到这里有一台机械臂，对吧？那么对于这台机械臂呢，我我提一句啊，就是说这个他这个机械臂啊，哎，其实很久以前就已经出现了啊，很早很早以前就已经有了 哎，很出名，他的名字呢，叫 qm 五六零，对吧？他这个就是这么一个名字啊，我们继续往下看啊，这里还有一个多选 e 的无人机仿真，是吧？ 嗯，这个呢，其实都是可以通过他的这个空气箱，嗯，很简单的仿真出来的啊， 还有一辆汽车的这个运动轨迹哎，这个是这个粒子过滤器的一个定位。 好，我们再看另一页，那么这一页呢，就是我们的这个机器人工具箱的安装资源所在的位置了啊，大家从我视频下方获取到的这个安装资源呢，呃，其实就是我在这里下载到的，是完全一样的东西啊。嗯，好， 嗯，前面的铺垫也已经差不多了，我们现在步入正题啊。呃，开始搭建这个麦德拉夫机器人的这么一个开发环境。 嗯，如果您是跟着我的操作来的话呢，实际过程其实是很简单的啊，但是我觉得大家缺的可能更多的是这个资源，所以这里我就尽自己力所能及的 这个给大家提供一下我这个能力范围内的帮助。那么上一期视频呢，我们安装好的 matter 本身是不具备这个工具箱的啊啊，所以这里我单独讲一下。嗯，那么大家现在可以打开我们的这个 mile 这个这个软件确认一下啊，我们打开这个 mile， 然后呢在这个命令航窗口输入 v e 二，查看我们现在目前已有的这个工具箱。这里呢，我是因为已经安装过了啊，所以他会有这么两项给大家找一下。 在这，那么大家呢是不会有这两项的啊，这个可以看到这个版本是十点四，对吧？ 嗯，这个呢，其实就是这个二零二零二零年的这个二月二十三日更新的这个哈，目前我知道的信息来看呢，似乎是没有比这个更新的版本了。嗯，好，我们现在打开这个链接吧， 看一下这个链接在哪啊？首先复制 粘贴回车，回车之后呢，其实会有一个这个输入这个提取码的过程啊，但是因为我已经输过了，所以说他是跳过这一步了，我们可以 看到这里有一个文件夹啊，文件夹下我们点开会有这两个文件啊，这个 pdf 文件呢是是针对这个机器人工具箱的这么一个简单的使用手册吧， 那么上面这个呢，就是我们这次要用到的这个这个这个工地箱的这个安装资源了啊，我们下载 来输 d a e m。 嗯啊，输入 n r q v。 好，我们下载到这个这个 迈腾大夫这个文件夹下啊。呃，为了方便起见保存 这个呢，其实不强制要求大家啊，我这里只是为了方便呃比较好找，可以放到这个，大家随呃随便找一个地方都可以放着 这个文件夹呢，一会安装完大家就可以直接删掉它。这里下载好之后呢，我们就可以可以关闭了，然后打开我们的 macy， 打开我们的麦特赖吧，然后左上方有一个文件夹的这么一个图标啊，点击他下面的这个打开， 再次点击这个打开，然后找到我们这个文件放置的这个位置， 呃，在这好选中它，点击打开，然后呢它就会自动给我们安装啊。 呃，第一次安装可能会比较慢，但是我这个呃也不会慢很长时间啊，这个工具箱本身也不是很大啊。呃，安装完之后呢，我们点击关闭啊，然后擦掉它， 这个时候呢，我们就可以再次输入命令，检查一下我们的这个工具箱是否已经安装成功。嗯，首先清理输出 clz 是这个迈特莱普的这个终端窗口的这么一个清理工具清理命令啊， 我们可以输入他来清空我们这个输出窗口，然后再次输入微一二回车。 那么这个时候呢，如果不出意外的话呢，您就可以看到您的这个列表里面会多出这么这么这么一个这么一个工具箱啊。他的这个版本呢是十点四 啊，出现这个呢就说明这个。哎，我们已经安装成功了啊。 嗯，接下来的简单介绍一下这个工具箱吧。嗯，他是由这个澳大利亚的这个 peter coco， 呃，和他的这个团队共同研发出来的这么一个。呃，工具箱。嗯，其实他已经发行这个很多年了啊。嗯，而且中 也是不断的在改善维修。呃，维护吧，就不能说是维修了。嗯，所以其实到今天这个他的这个技术呢，已经是相当相当成熟了啊，所以说这个用着很方便。 嗯，还有这个，接下来说一下我目前的这个打算吧。那么后期呢，我也会继续抽出时间来录制讲解一些关于机械臂的一些知识啊。 啊，包括用牌子或者玛特赖吧来搭建并可视化一台这个机械币啊。呃，可能也会包括一些简单的理论知识。 嗯，这里我提到了拍森，对吧？拍森这门语言现在也是比较火热的啊。嗯，这也是我本人用的比较多的一门语言啊。嗯，这里我 我就不再细讲他了。那么下期视频呢，我应该会给大家讲解如何搭建拍森对应的这个机器人仿真环境啊。 嗯，如果大家对这个感兴趣呢，可以给我一个关注啊啊，当然，如果您有什么建议呢，也可以放到这个评论区或者私信我呃，我都会认真看的。 嗯，好，今天的视频到这里就要结束了，还是那句话，呃，如果您觉得视频对您有帮助呢，或者您对我讲的内容比较感兴趣呢，那么希望您可以点赞收藏加关注。好吧，再见。

哈哈哈哈， 打开电视看看多少人，为什。

所以说就啊默认了，然后我们把它倒入进来， 好，我们把它倒入进来之后呢，这个就是我们可以放大一下，因为他二十五层，然后这个就太太大了。好，我们放大了之后的话，我们就能够看得到他每一层， 你点击每一层的时候呢，比如说输入层，这就是一个二百二十七乘，二百二十七乘三的这个图像，对吧？然后的话呢有个卷基层，这里面这些参数你都可以去调去等等，都可以去调 好，那么的话呢这个如果说你的网络，然后这个头部结构设计好了，你可以点击一下这个分析，比如我们分析一下这个网络，看看这个网络有没有错误，当然这个网络 是没有问题的，对吧？我们这个自己在设计的时候的话，这个设计完了，需要这个用这个工具去检查一下， 这就现在是一个诊断的一个工具。 好，我们可以来看一下这个就是刚才幻灯片里面那个截图，对吧？ 好，那么你可以这个点，你可以就点击到每一个点上，那么他就知道就是这一层对应的呢是哪一层，这个很方方便的，这个你去分析，然后包括你去观察他每一层他的这些参数啊，这是这样的一个这个功能，如果说你模型设计好了之后， 你把它导出，我们可以把它导出到这个就是红色空间当中来， 比如说他已经导出成功了，导出成功的话，这个就是，那么我们在工作空间当中这个来 yes 意义就是了，对吧？好，那么的话你就可以去用它了，那么的话呢这个就是你还可以把它生成代码， 因为在没有这个可视化工具之前的话，我们要来设计一个深度神经网络，在模特料管里面你有二十五层，那么你就要去敲至少是二十五行的代码，然后把每一层，然后这个他的参数类型都给给的很非常清楚，然后这个 科普结构才能创建起来。但是有了这个东西的话，大家可以很方便的从左侧他分装了一些库，对吧？每一层，每一层，然后这 是什么？你往里面搭积木一样把它搭起来就好了啊，那么的话我们可以来看一下，他这个时候的话就给我们这个就是产生了这么一个，这个就是代码文件 啊，我可以了看一下，那就是这一串，好，我们可以看到然后刚才的那个核心的代码部分就是在这个地方就这么多，我们可以啊， 大家可以仔细的来看一下的，如果说你没有这个工具的话，你要把每一层他的参数然后都给设定好了，这才能行的话，我觉得这是一个很麻烦的一件事情。 所以说我觉得这个可视化工具，这是马特莱伯这个深度学习工具箱里面背出的一个非常强大的一个工具啊。我们后面的话，这个就是可能有一些案例当中，然后会 设计的到会用这种方法，然后来这个就是结合案例，然后帮助我们去设计他。好，所以说大家可以这个去感兴趣，可以自己去摸索一下，去试一下。 好，那么我们回来这个就是我们的这个就是内容。那么接下来的话呢？这个就是我给大家再介绍一个 matel 本支持的一个功能， 就是我们知道，然后这个经常大家在呃朋友圈里面或者是新闻当中会看到某一个学校，某一个团队，然后又开发了一个生路神经网络的模型，拿了这个国际上的某一个比赛的冠军亚军之类的 啊，这里这些模型的话呢，都被视为是经典的模型，而在这些经典的模型的话，都是在百万张甚至是几百万的上千万张的图片过上了训练出来这些模型的训练，然后这个需要花好几十个小时甚至好几百个小时的时 才能把模型训练出来，很辛苦。把这些模型训练出来之后的话，那么我们很多时候就可以直接去用它了，而不是说我们拿到再重新训练去，那个就太费时间了。 所以说的话呢，这个就深度学习里面的话，有一个基本的概念，就是我们可以在别人已经先训练好的模型上，然后去做我们的工作 啊。所以这就涉及到这个马特莱伯，然后支持一些经典的模型的话，这个他的这个嵌入导入进来，比如这里面变出来了，这个就是阿蕾斯奈特，这是一个非常非常经典的一个模型，二零一二年提出来的，刚才我给大家然后导入了 啊，还有一些比如说牛津大学的 vgg， 然后谷歌团队的这个就是勾勾并赛事等等，还有一些其他的啊， 但是需要说明一点的事情是呢，这些包的话，然后这个马特莱文你安装的二零一九毕业里面，这是没有的，就像阿莱斯奈特刚才 如果你要去运行的话是会出错的，需要我们手动的这个去安装，他需要联网的情况下，然后去安装他啊，有时候我这地方截图了一下我目前我安装的一些东西啊，大家这个可以去啊， 记住我一下这些名字，大概他都很像前面的都是地方人顶托 boos， 然后 mbot 或者是 model， 然后这样的 fow， 巴拉巴拉。什么东西在什么地方然后去安装呢？就是在刚才的那个阿德昂这个地方，就是刚才的这个，就是附加功能的那个地方，我们在摩托环境下就找代码的那个地方，你去搜就好。 好比如说的话，我们来看一下。好，我们可以去来看一下啊的昂这个里面，然后我们来去啊。安装阿莱克斯奈特的时候是怎么回事啊？ 这个东西的话在前两个，呃，神经网络这个 bp， 神经网络这个专题里面的话，专题三和专题四的时候用不到，但是在专题五的时候就要用的到了，所以说大家可能我稍后我会拉一个清单，哪些东西是大家是需要装的，然后这个大家可以提前去装一下。 好比如阿莱克斯奈特的话，你可以先找一找这个名字，店铺靓丽、托马克斯毛豆，然后复瓦莱克斯奈特奈特，我然后的话你点开他 在右侧这个地方的话，你会看到有一个意思到安装的按键，我的电话已经装上了，所以说他状态就变成了吗？你是管理啊，然后你可以点击安装，然后的话，那么他会让你去同意一个 协议，接受一个协议，然后的话呢，你再往下一步，下一步安装就好了，但是这个是有一个前提条件的，就是你必须得要有一个嘛他那边的一个账号。 所以说大家需要提前去马斯沃克斯公司的官方网站上面拿着你的一个个人的邮箱，不管哪个幺六三还什么的邮箱，都可以这个去注册一个邮箱去。好，那么的话呢，这个你就可以去呃用这个账号，然后这个去啊，下载啊。 那么接下来的话呢，这个就是我再给大家然后简单的来介绍一下在 motelaber 里面深度学习工具箱里面，截止目前为止他支持哪些 呃层，不同类型的层，帮助我们去设计这些拖布结，不同的拖布结构我们看到有输入层， 然后还有转机层，还有全连接层， 然后还有计划函数层，不同的计划函数层还有输出层，输出层里面有如果你是分类识别的问题，有专门的克拉斯的，可以胜败也，如果是回归的预测，你和的话，有准归胜败也。 然后这边还有涉及到这个就是呃拳击升级网络里面的这个就是他是调三的这样的一些，这个就是技巧性的这样的一些层，比如说皈依化层，然后胶报的随机丢弃层，然后包括等等这样的一些层。然后的话呢还有这个就是磁化层， 不同的磁化操作平均最大，然后这个就是磁化层等等。然后还有一些呢，这个就是曾帮助我们实现更复杂的托布结构，就是我们刚才然后给大家演示的看到的这个阿莱克斯奈特的话，他就是从上至下串着的二十五层，他没有别的这个复杂的结构，而在这个地方 抗斑内省这些层的话，他就可以啊，让我们实现一些复杂的头部结构。比如说的话我从第八层 直接跳到十二层，然后不是从八、九、十、十一，然后才到十二层，我可以直接跨转过去。这还有这个地方你就需要用到这些连接层，然后直接这个设计方法好，那么的话这个是啊，目前截止目前，然后对。

教你做 sm 仿真。

好，然后我就简单的分享一个那个 metamb 神奇网络工具箱的一个简单应用吧。然后呃，这是就是为了那个节省时间，我把它每一个截了个屏，就是 那个不用不用运行，咱们就可以节省时间，但是里面内容都有。然后这是咱们直接进入那个 matamb 的界面， 大概就是这样样子。然后呃右边这这块地方叫工作区，他主要是用来查看你的那个呃函数，以及一些就是变量这些呃这些东西，然后这个是命令窗口，命令窗口的话是用于你输入一些命令，然后让他那个 出一些命令，比如说是我这两条命令，就是第一个 x， 呃，第一个就是我建立一个变量 x， 并让他从零到二派，然后不长是零 点一个派进行个取值，然后第二个是 y 乘以 y 是呃三 ex， 然后再加上零点一 round， round 一 round 一是随机，从零到一产生一个随机数，然后我乘以零点一的话，就是相当于是从零到零点一产生一个随机数， 然后我见这两个命令，命令完执行完之后，你就可以看到我在右边这个工作区，我就有这个 xoy 这两个边量以及他所存呃存储的数据了。呃，然后这是命令窗口，如果你需要就是写很多的代码的话，这上面会有相应的 就是按键，这里就不用再给大家叙述了。然后紧接着我是使用那个马达莫自带的呃工具包，也就是这个 app， 他一共有主页绘图 app， 你点这个 app 他会弹出这些东西， 然后我用的是这第二个，呃 nature， 呃 network， 呃，呃 fitting， 就是意思就是那个神经网络礼盒，然后左边这个的话，它是起一个剧类的功能，然后右边第二个右边就是相当于是第三个这个图标的话，它大概是一个识别的作用。然后第四个这个的话 就是可以起到一个类似于时间序列的一一个那个预测的功能，呃，大家如果有需要的话可以自己下去了解一下。然后这次我们主要讲这个第二个是你网络拟合工具箱，然后他这个大概意思就是一个是你网络的介介绍， 然后这边是他的一个流程图，然后那个杜老师上课也给咱们介绍过，然后我们直接点这个 next 就行。比如点 next 的话，我们就进入到这样一个页面，这个页面的话就是需要你输入，输入两 个就是输入变量，输入和输出变量，然后并且选择他的那个方式，然后我们输入进来之后可以看到右边这个呃 summary， 就可以呃 summary 里面就会弹出你这个数据的一些特征，比如我刚才说的它里面的特征就是二十一个样本一个元素， 然后我们把 x y 选择之后，就是通过你调这个呃竖，就是那个行矩阵和列列矩阵，通过调整这个呃软，就是这这两个按钮的话，你可以就是看到你这个 数据的呃 summary， 然后根据你呃的实际的 summary， 然后就是调整合适了之后，我们直接进入下一个环节，直接点 next 就行，然后进入下一个页面的话，它是这样一个样子，它主要是 就是默认的是呃训练，这个这三个分别代表我们神经网络里面的训练级、验证级和测试级，我们输入的二十一组样本，他就是默认百分之七十作为我们的训练级，然后进行神经网络的训练， 然后百分之十五作为我们的验证机，就是训练他通过将训练好的百分之七十的数据训练好的神经网络，呃， 再将这验证级的百分之十五的数据带入这个训练好的神经网络之中进行进行一个验证，验证出来，然后再进行呃，进行就是 呃进一步的调节这个神经网络精度，然后最后会有百分之十五来作为一个测试级，就是相当于对我们一个就是这个神经网络进行一个评价，然后这边的话 是他的一些就是介绍，然后我们呃就是直接按默认来就可以了，他也可以进行一个就是调整。直接点 next 的话，这里的话是 用用来那个填写那个隐含层个数，他默认是十层，是有一个隐含层个数，是有一个那个经验公式来算的，这里我就不再坠述了，大家有兴趣可以下去自己了解一下。然后我这里因为老师上课讲的是咱们用一层一个隐含层来， 就是那个试一下，我就这里先填一个隐含层，然后我们直接点 next， 这里这个页面的话就是， 哦，终于到了我们那个神经网络的训练的时候了。呃，上面这个按钮里面点开的话，点这个下三角这个符号的话，他会有三个方法，其实三个方法的话就是 有差异，但是呃在咱们大家就是平常日常使用的话就可以不用不用管他这个东西，然后我们直接按默认这个东西啊，默认这个方法直接点这个吹训练就行。 然后训练完之后他会弹出这样一个窗口，这样一个窗口的话是这个是迭代次数，这个 time 是他所耗费的时间。然后这些东西的话我都会给大家讲一下，然后我们从这个每一个按钮进行一个，就是我，我们我点开给大家看一下，然后这边的话是他一个 哦这里挡住了，然后我随从人家的那个就网上搜了一张图片，截了一个图给大家看一下。嗯，还记得刚才咱们有三个，那个就训练级、验证级和那个测试级吗？然后这三个级和他呃，在那个神经网络 礼盒的过程中，呃，然后与实际的数据之间的均方差和相关系数这里有一个值。然后我们也可以从就是从这几个按钮里面可以看到第一个按钮的话是这样一个图，他大概的意思就是我的 呃神经网络的迭代次数，然后这三根三条线的话是它分别的那个训练级、页任级和 测试级，这个图的话因为我们只有一层，而且这个数据只有二十一组，就是神经网络，大家众所周知都是需要大量的数据以及合适的这个隐含隐含层，这些进行一个训练数据太少，他会出现那种就是过敏核的 呃过敏盒的状态，然后我们这个的话就是不是很理想，后面有我，后面我提高了那个 数据的数量，会有那种比较有理想的图片，大家一会可以看一下。然后就不是很理想，但是就是系统运行他默认是第五次就达到了最优级，然后一共运行了十一次，一共进行了十一次迭代，在第五次的时候达到了最优级， 这个图就能表达这个含义。然后左边的中坐标是他的那个 mse， 也就是刚才说到这个军方误差。军方误差呃什么含义？大家如果不知道的话可以下去查一下，我这儿也不再赘述了。然后紧接着是第二个按钮，第二个按钮点开，他是会有这样一幅图， 大概的含义就是梯度变化，然后我们就不用管它就相当于是那个梯度变化的话，就是那个老师上课讲的那个不长，这个东西应该是。然后呃接着下一个按钮 点开的话，它是一个误差的直方图，就是呃，就就就是这么一个情况，他不同的数据局以及呃，以及他那个就是不同数据局的一个误差，做成了一个直方图的样子。然后这是他 每一个数据集与实际的呃实际数据的一个拟合的情况，然后它这个数据是 r， r 是越接近于一，它这个拟合情况是越好的。 然后紧接着这个东西的话是呃，我们就是最后的一个呃 fit， 这个按钮按完之后它会出现这么一张图，这个图是这条黑色的线，是我们拟合出来的函数，然后这里面每一个点 是我们输入的，应该是说我们输入的数据，然后这个就这个黄色的这个竖线是我们的一个误差，可以看出咱嗯，在我们数据较少的情况下，他拟合出来函数是这么一条。然后紧接着 当我们增加这个样本的训练个数，从不长，从零点一派到零点零一派，然后我们的数据也从二百二二十一组数据提升到了二百零一组数据。然后我们紧接着进行那个相同操作，但是 呃就是相同操作，其中隐含层的个数也还为一。然后使用方法以及啊训练级、验证级以及测试级，他的那个百分比也不改变的情况下，我们看一下他最后结果，这样来看的话，他这个叠带的这个线 就会比较符合实际情况，就不会像上一张那个图上一次迭代一样就出现那种过敏核情况啊。可以看出我们本次迭代只进行了十次，呃，进行十次迭代，然后在第四次我们就进行就是达到了我们的 最优解，然后这是他的那个呃不长，然后误差脂肪图以及他的这个拟合情况，哦，这是，然后我想着重给大家看的是这是咱们的那个拟合函数，大家从这就可以看出看这是零，然后这是一， 然后这边是二派，大家就可以看出他这一条你和曲线已经很接近于我们的那个呃就是呃赛引函数，但是他的这个 误差还是就是与实际数据的误差还是有很大的，就就是还是有很大的误差。 然后在此我们如果增加隐含层的个数会发生什么，我们就按他十层来计算，然后不不单独根据经验公式来测算他的隐含层个数，如果你进行科研活动的话，他这个隐含层个处是需要进行那个 根据我们那个经验公式来计算呃调出来的，我们这里就直接按他用默认值十层来进行计算，然后这是这可以看出我们就是当隐隐含层个数调成十层的话，他这个连带次数就上去了，但是 呃所花费的时间还是比较少的。然后我们每一个点开都看一下，这个接待的这个线路 就十分的美观，就我们可以看出在三百三，三百七十七次的时候，我们完成的迭代并得到了最优解。然后这是一个他的那个误差，然后误差脂肪图以及他拟合情况，我们这里就看他，他看到他那个拟合情况已经接近于一了，就 特别好，但是具体是不是过拟和情况的话，大家还是需要进行一个分析。然后这里的话我们可以看到他这个就基本不存在误差，然后拟和情况也非常好。 然后就是我的操作就到这里完了，但是其实他这个神经网络后面还可以进行保存，神经网络就是你对你现在训练得出的这个神经网络很满意的话，你就可以进行一个保存，紧接着在后续的科研活动中可以进行应用。所以我就从网上 找了些图片，然后给大家把后面的给讲一下，就是这是把那个图片关了之后，然后点 next 出现了界面，然后呃这个按钮确定就是我们如果你对这个手机网络不满意的话，我们可以进行再次训练，每次训练基本他最后得出来的手机网络是不一样的，所以 你如果不满意可以重复的进行训练，直到你满意为止，或者是一直不多次不满意，可以调节一些隐含层个数以及训练级的呃占比，然后我们直接就是呃下一步，下一步完了之后是 这个的话是让你就是他系统直接就把你这个神经网络代码生成了，但是上面这一块是生上面这个按钮是生成的比较复杂的 神经网络代码，然后下面的话是生成的比较简单的神经网络代码，具体就是如果大家感兴趣的话，可以自己下去，就是找一下他们的不同，然后下一步，下一步的话就是重点就是我们这里有一个保存网络的按钮，保存网络这里看他的 网络的名称，这些都是你可以进行自己自定义的，当你定义完成了之后，然后就可以在左下角这个 按钮一点就可以保存网络了。保存完网络之后，他这个网络就会保存到你的这个工作区这一块， 比如说你刚才呀，比如说你刚才命名的这个神经网络名称是呃。 net， 然后你这里保存完之后，它这个工作区就会出现一个。 net 的一个神经网络，然后当你需要 呃进行一个，就是重新导入一组数据进行预测啊，比如说，比如说，比如说我在这里，在我是一组数据输入一组数据，比如说是 x， 就是这个预测，然后道的函数调用，调用我们这个 刚才刚才保存的这个神经网络，然后通过这个 same 命令，然后将神经网络进行一个 进行，意思就是用我们刚才保存的这个网络对这个刚才这组数据进行一个仿真， 这这个 s i m 它的那个全称我，我不会拼，但是它这个意思是仿真，然后通过这一个命令操作，我们就可以将 x 的一个预测值 y 进行一个导出，当你这个命令操作完之后， 它这里会自动生成一个 y 的一个呃，那个变量以及它的值，然后我的那个内容就这么多，如果有错误的话，欢迎老师同学们就是批评指正。

一定要记住这一个概念，待会我就给大家演示一下，设置完了频率的参数，我们就回到了这个扶贫享盈这个参数了，那扶贫享这有一个 apose apos， 我们可以很清晰的看到这个概念是什么呢？概念就是说从我们 也就说什么呢？因为我们设定的这个低通滤波器的截止频率是一百五十赫兹，那一百五十赫兹 他其实我们可以把它理解成一个中间点，那么从我们最左边低通他没有被衰减的那个地方 到一百五十赫兹这个点呢？他的一个总的一个衰减的范围是多少？因为我们前面也讲过了嘛，滤波器他是没有直上直下的，他是一个缓慢的，也就是说他滤波一百五十赫兹的时候呢，他是两边都有，对吧？ 那所以但是他总得有一个范围，这个范围呢就可以通过这个 apos 来限定，就是说你要从 哪个地方开始到达一百五十赫兹，他的衰减程度是一个地币，然后 a stop 呢？对应的就是很好理解了，我们这里可以呃，就用它默认的吧，我们先用这边默认的来看一下滤布器的性能 啊，点击 desire filter， 哎，我们就可以已经可以看到了，这个扶贫响应图呢，就可以很清晰的告诉我们我们滤博器的作用是什么样的，也就说他是左边给你通过看到吗？左边他的衰减率为零， 意思是什么呢？意思就是说他要全部给予通过，而右边呢？他是衰减的，看见吗？衰减随着他距离一百五十赫兹越远，他衰减程度会越大， 最终达到多少呢？最终基本上就达到我们指定的八十了，当然这个地方因为你在设定的一些参数的问题，他这里会有相应的一些变化，比方说我们这里给他调到一个三百，那么你再看一下，他是会有明显的一个变化的， 我们可以看到用放大看一下吧，我们现在要看到三百赫兹，三百赫兹的这个地方，我们看一下他的 stop 是不是八十，或者他的周边是不是八十， 其实这里我们已经可以看得到了，三百，三百在这，三百在这看见了吗？三百在这，然后八十的话大概在这，对吧？就说他要衰减到 三百的时候呢，他就是八十个 db， 当然你再往三百以后，那就更是无穷无穷大了，有的话基本上就衰减为零了。可以这么理解啊，这是 低通滤波器，用的是 irr 的方法，那这里为了让大家进一步的理解 irr 跟 fir 使用当中的一个重大的一个区别，就是他的滤波器的一个接触，那么我们在 呃用另外一种方式，也就是说在 filter all 的这个里面呢？我刚刚我们是指定了 minimal 的，对吧？现在我们在用 space， 就是我们指定接触，来看一下它这个变化是什么样的。同样的，我们采用的是两 k， 然后截止频率，因为是低通嘛，所以他就只有一个截止频率值的设定了，我们是一百五十， 这里接受我们先选三接，因为我们前面这个也确实是需要一提再提的，哎呀啊，滤博器的接受一定不能再高，一旦再高他就发散了，我们直接看一下吧， 那么设计出来的可以看出来三阶他是比较正常的，没什么问题，爸爸三阶就没什么问题。 然后如果说，呃，我们就用三阶的吧，他其实你指定他这个，指定这个 i n r 的接受的时候，你设计的这个呃这个数量会越少，因为其实他这个接受他是有变化的，你不同的接受他这个对应的值都是不一样的。 那其实我们为什么指定了这个指定这个，其实他本身就有自身的一个算法来给我们计算，你只要他这个当然可以起到一个 呃比较好的一个效果，尤其是在这个哪里呢？尤其是在这个 apose a a stop 这个设定方面呢，他就相对来讲他就可以更为具体一些。然后用完 i i r 方法，设计完低通离合器，我们再用另外一个方法来对比 比一下，就是 fir 方法， fir， 哦，这里还有另外一个点，就是关于提到那个 i ir 设计方法的向位的飞线性以及 fir 方法的一个线性，向位的线性特性我们来看一下。怎么去看呢？我们可以点一下他的向位图吧 巷尾响应图，我们就可以清晰的看到它是种非线性变化的，看见吗？它不是一条直线，如果是 fir 方法，它设计出来的这个滤布器的向位响呃向屏，呃向位响应图，向屏响应图呢？它是一个直一条直线， 接着是我们再用 f l 方法来设计一个低通滤波器，我们同样的是选用一个窗函数的设计方法，这里的接触呢，我们先先选这个吧，先选用这个窗函数，我们用的比较多的是 布莱克曼窗，其实这些窗哪些用的比较多呢？像布莱克曼窗、汉宁窗、海明窗、矩形窗、凯色窗、平顶窗等等等等，这用的比较多的是布莱克曼窗，是相对，如果说在各种窗含数使用当中，我认为这个布莱克曼应该是用的最多的。 我们直接点这个接受，我们先不该看一下他的效果是什么样的，我们点对赞， 需要的基本上啊，这个橡皮奴啊，对，橡皮奴刚刚也说了，这个 fir 他具有橡皮线性特性，所以呢，他的橡皮他是一种什么呢？一条直线，而之前的 ir 呢，他是一条曲线。 看完橡皮图我们再看一下扶贫图，扶贫图的话，我们看现在的接数是三，而我们设定的截止评论呢，是一百五十， 我们可以看到从一百五十这个地方他就已经开始下降了，但是他下降的非常的慢，这个时候我们该怎么调整呢？我们通过接受来调整，现在我们改成三十阶， 三十节再来看一下，哎，明显看到陡峭了，对吗？我们可以进一步的再射大一点，我们给他射成一六十阶。 相信呢，对于这种肉眼可见的变化，呃，大家都非常明显了啊，视觉上应该是非常明显的，他这个下降的过渡带呢，也就下降的这个速度是非常快的，随着你接触的越大，他下降的速度会越快， 那我们再调个两百斤，基本上就是已经 又比之前六十阶的时候又陡，更为陡峭了，那还不过瘾是吧？我们再试一下四百阶， 四百件基本上就快，基本上快成一条垂直线了，当然理论上他是没有垂直线的啊，他只能是无线曲静音，一条垂直千锤线，只能无线接近，你不能完全有的，那我们我们直接来个一千接， 已经很近视了，但我们现实用当他不不太会用这么高的， 我们还是回到两百用个一百五十斤吧，就是说这种基本上像一百五十斤基本上就能够满足我们的要求，因为我们从这从这个扶贫响应图的这个动作标，这个动作标来看，我们其实就已经能够知 在一般因为我们设定的是一百五十赫兹，对吧？然后你再往下其他的衰减程度已经比较大了，所以呢能基本是能够满足我们的要求的。然后看完低通离合器， 低通滤波器我们是用了两种方法，两种不同的，一个是 ira 设计方法，还有一个是 fir 设计方法。那接着呢，我们就再再来用看一下这个 happs 高通滤镜器的方法。高通滤镜器的方法呢？ 高通离合器其实他跟低通离合器是相反的，低通离合器我们也讲了，低通离合器他是左边通过右边衰减，也也就是说低频通过高频衰减，而高通离合器他是反过来的， 高频通过低频衰减，右边通过左边衰减。我们直接来看一下效果，我们还是 是就呃，因为在低通滤波器的时候，我们已我已经已经给大家展示了 ir 啊， efir 两种不同的设计方法，那接下来的方法呢？就不再用两种方法了。高通滤波器呢，我们可以看一下， 同样的我们用一百五十赫兹的还是两 k， 两 k 一百五十赫兹，我们可以直接可以看到这个效果，对吧？这个是非常直接的，右边也就是高频的地方通过低频左边的地方要阻阻掉的 啊，这个接触这里主要就是调接触，我们调上还是调到三百接，可以看到这他这个过度带呢，他会越来越陡峭，你再调个呃十吧，可以，他就非常像这种的话，一般在用 fir 器呃的时候呢，我们不会用这么低的接触，一般都是至少是五六十的，因为这个过度范围太宽了，完全没有达到我们的基本上就是说对于我们滤博的精准性呢，实在是太差了，所以我们一般不会用。 然后这个呢就是高通的滤波器，然后高通滤波器看完呢，我们就接着带通滤波器，带通滤波器呢，其实就是像有有点像一个凹型，知道吗？就是 两带通滤波器吗？啊？像一个凸形，就是主调的部分，通过的部分，主调的部分也就是说他中间有一段连续的频率范围，他是要给予通过的，而两边呢两边他是要阻止掉的，我们直接看一下这样的滤波器的一个效果， 我们就干脆就不动了吧，就直接这样点，可以看到，因为现在我们的接触比较小，所以整体上来讲的话，他这个是下降。

好，这是我们最新刚刚开发成功的，呃，基于迈开了生命模块做的这个电机控制的库，我们看一下这个我们已经做到，做到了把它直接生成工具箱， 在史姆尼打开史姆尼后， 我随便打开一个啊，比如我打开这个生命定格库，你看到啊，这已经，我我们把它做到工具箱里面去了，这是已经安装好的。我们以后在那个做电监控的算法的时候， 你就可以直接，比如说我们建个模型，直接把这个库直接拖到我们这个模型里面去。 而且呢这个也本身也是全部支持代码生产，这个是这个是玄变，玄变的读取海迪二四幺， 我们还做了幺二零五的也是专门做这个位置解码。这样的话呢我们再配合这个硬件 dsd 二八三三五，我们这个做这个这个控制开发呢，他的这个难度呢就会大大降低，速度呢也会有很大的提升。

啊，还有呢这个就是模型的导入、导出以及自定义，就是定制化，自定义以及这个就是在数据处理，包括代码生成转换成 cc 代码、 cc 代码等等。好，这个就是深度学习然后他现在支持的这些情况 啊，那么对于目前主流的然后深度学习的一些模型的话，比如说卷记神奇网络模型啊，循环神奇网络里面的长短时机 lstm， 我们后面都会讲到，然后呢一会，呃，可能会会今天啊 举的例子当中没啊，没有他啊，但是我们这个就是后面专题当中会详细的讲讲这个例子，建议学习我们以后会给大家然后去展示一个案例，然后的话还有生产是对抗网络，这是二零一九毕业刚刚支持的，然后这样 的一个工具箱。还有这个就是啊可视画质这一块的功能，也就是基本上他可以满足我们对于一个常规的这个深度学习的一个研究的需要了，我个人觉得是这个样子。 好啊，那么接下来的话，我给大家然后简单的然后来介绍一下他这个几个很好用的工具。第一个呢这个就是可视化的工具，就是店铺内头我可得砸一个这样的一个工具，然后的话你打开这界面就是这个样子，在这个里面你可以去新建一个模型， 打任意的打你想要的层，你放一百层都可以。然后的话你还可以导入，就是别人的模型，你可以直接导入进来，你可以去直接用或者去修改他，都可以修改你们参数。 这里面有一个重要的按钮，就是这个阿拉拉，意思就是分析，就是，呃，能深度神经网络的这个模型突破结构他是有 要求的，他的前一层和后一层在连接的时候得到接口必须要严格一致才能接，否则接不上。所以说你自己在做的时候的话，可能这个就会出一些错误，那么他会帮助你分析说你哪一层有问题，哪一层没问题，他全部会告诉你，以及你模型设计好了，这个托付结构搭好了之后，你导出 然后的话，这个这个并且可以把它转换成代码，然后这些都是可以的啊啊，那么我们可以来看一下，然后这个就是其中的分析的那个功能，比如说这个模型有二十五层，哎，没有错误，也没有任何的警告， 他的每一层分别是什么？是卷基层还是计划函数层还是归于化层这些内容我们后面讲卷卷基成绩网络那个专题都会详细的去讲每一层是什么功能，什么含义，包括，哎，嗯，你说， 喂 喂 喂，有人在说，嗯， 我这边没有问题，我这边没有卡呀，是现在说你什么情况？对， 有有点卡，现在可以吗？现在大家听我说话清楚吗？ 如果说是啊，不卡的话，可以，对，好好，没，没有问题，好好，那么的话，这个就是我们可以在这个表格当中可以看到每一次 层，然后他的输出，也就是从输入信号进来之后到这一层他的输出变成什么样子，以及这一层当中的话，然后他的参数，然后这个是多少个， 然后以及这些参数，然后这个是怎么去影响他这个结果的？这个的话呢？这个是啊，很重要的一个，因为如果说有老师同学参加过我之前的那个线下课程的话，讲到这部分的时候啊，如果说没有这个工具的时候确实是你很难理解，而且是你很难验证， 他是需要你自己去算的，然后如果说你能够自己算清楚，而且根据这个结果比对上的话，那么就说明你真的能理解这个问题 啊。所以说我个人觉得这是呃，应该这个功能是二零一八毕业之后才推出来的一个功能啊，为什么群里面有好多人问我说二零一六，二零一七行不行啊？不是我非得让大家去安装这个新的版本，而是这个 这些功能可能老的版本那就没有啊，所以说的话这个是这样的一个问题啊，当然这个模型导出的时候，达伟也会告诉你好几个选项，就是你可以这个就是把它导入导出到工作空间当中， 然后你也可以把它生成代码，而且生成代码的时候呢，你可以把原来的那个模型的这个参数也一起导出出来，然后这个这也是也可以具体的话我们这个后面，然后这个就是会给大家，然后来啊介绍一下。 好，接下来的话我给大家然后这个去来演示一个案例。但是演示这个案例的话呢，大家可能呃没有办法跟着我这个去来进一步的操作了，因为这需要那个去让大家去安装一个啊包，那么我一会会给大家去说， 那么我们的话这个就是正常的，如果说你的这个就是程序来跟着我去敲的话，然后你的程 就会出错的这个地方， 好，我们稍等一下，因为我的计算机现在是视频会议系统开着，马踏那边开着，然后呃，安的 note 开着，我把这些都给关掉吧，没用的都给关掉啊，把这个就是浏览器都关掉， 我的话筒就是我的味道也关掉。好，我们都关掉。 好，那么接下来的话呢？这个就是我们这是一个已经训练好，在百万张数量级的图片库上训练好的一个模型，我们把这个模型训练好了之后呢，把它导入进来，然后我们这个就调用这个可视化的这样的一个窗口， 好对付， 来到我的第三个。好，那么的话我们这个完之后，等一下他会弹出一个窗口出来。 好，我们耐心的等待一下。 好，呃，他会弹出来这样的一个窗口， 有时的话我们把刚刚的那个模型，然后我们把它导入进来，就是在工作空间当中就这一个变量，所以说就默认了，然后我们把它导入进来。

哈喽，大家好，我是波波柯南，那么今天呢，我给大家讲一下，就是用 mylive 怎么实现快速的一个数据礼盒，利用它自带的一个这个 coffee team 这个功能 啊，那么首先呢，我们要产生一组数据，当然了这个数据如果你自己之前就有的话，你可以直接把这个数据就是弄到 macliv 里面，那之前呢，我也讲过很多，就是把数据怎么导到 maclive 里面的方法，这里呢我就不讲了。首先呢，我们生成一组数据， a 呢是等于一到一百， 然后呢 b 呢是等于，比如说我们随便写一个吧，二乘以点乘于 a， 然后的平方再加上三点乘 与 a， 嗯，我这里少写了一个点，因为他是数，对数字进行处理的话，他这个符号之前要加一个点，然后，嗯，三乘以 a 吧，然后再加上一个 rain， 嗯，乘以四。好，那我们呢就得到了 a 和 b， 我们可以简单看一下 a 和 b， a 的话就是一到一百， 比较整齐啊，比较整齐，然后 b 的话就是我们刚才生成的这个数嘛，然后的话我们可以简单画个图看一下 plut a 点 b， 好，我们可以看到呢，它是这样一个曲线，它就是一个二次函数嘛，其实 然后呢，我们就接下来就讲，我就怎么把这两个数据来进行拟合，我们打开这个软件， 然后呢我们就进入这个界面，注意啊，我的是二零一八版本的，如果就是你打开这个跟我不太不太一样的话，可以考虑就是弄一个二零一八版本的。 然后呢我们进入这个界面之后，他这里呢是定义的这个，这叫什么？数据礼盒的这个名称，然后这个我们不用管他，其实我们重点是这里我们选择这里是数据 a， 就是我们把数据 a 呢是就是 xa， 就是数据，就是我们第一个数据，然后 b 呢就是我们第二个数据，然后呢我们的目的呢是对他们进行礼盒，我们可以看到就是打开之后他自己就进行了一个礼盒，嗯，但是呢这个是他是对这个东西进行礼盒，他其实是一个线性，线性的那个函数， 他礼盒的结果呢不是很好。那这里呢我们可以看到他这个 degree 是一，就是他的那个我理解是他的接四，然后呢我们把这个调成二啊，我们可以看到他基本上很完美的把，我们刚才因为我们就是一个二次函数吗？然后我们用二次函数就可以很完美的吧，就是去给他礼盒，这里这个 poor polynomo， 我觉得他应该就是一个就是次数的，就是多次多次的礼盒，然后他这里有一个限行礼盒，限行礼盒，限行礼盒的话好像效果也还可以，他这个也是等赛 b， 然后 x 的 减十的。这个我也不知道他这个线性模型到底是怎么样，我们好像可以哦，可以改，可以改，这个可以改的，然后的话是就是我们 这车最常用的改的，那就是这个就是 cut them。 用户自定义吗？用户自定义，我们可以看到这个呢，就是他不太不太能行，我们把它删掉一个试试啊，这个是指数礼盒，我们可以看到指数礼盒的效果呢是不太好的。 这里这里这个怎么写呢？其实很简单，就是我们这里呢 y 就是我们的那个结果，然后 x 就是变量，那我们写就是除了 x 以外的其他量呢，都是参数。比如说我写一个简单的 a 点成一个 x， 那这里呢就是拟合了一个数据 a， 然后呢我可以再给他加上一个 b， 对吧？那这个时候呢，他就拟合了两个，就是就我们自定义的就是 ax 加 b， 他就是一个线性的。然后呢我们还可以定义更复杂的，比如说我给他加一个嗯平方向，那这 这个时候呢，哦，我们可以看到他其实已经拟合的比较好了，然后呢我们还可以给他加上一个长数项嘛，然后比如说这个 b b 点成一个 sorry， b 点成一个，嗯 x， 然后呢我们再给他加上一个 c， 啊，这这样的话就是我们可以看到刚才我们是不是写的二和三，然后这个 c 呢，是刚才随便写了一个 rain 的一个长竖向， 然后这是我们得到一个结果，我们可以在这里面可以看到，这里呢是我们的儿儿方，儿方呢他其实 是一，那这样的情况下，其实说明我们礼盒的效果是非常非常好情况。嗯，那我们也可以自己写一些，比如说呢我们改一下，改一下，这里呢 a 呢是可以给他写上一个 a 点成一个 x 丝的，嗯， b 次方，然后加个 c， 我们可以看到它直接拟合了一个一点九八三，其实跟我们的二次方呢是比较接近的。嗯， 那这个工具呢非常的好用，那像这里呢，它有一些就是这个呢是一纸书的，它直接就是用这个 a 的 e x b， 呃， e x 就是 e 的 b x 四方来给你拟合，然后这个是一纸书的，就是这些是它让默认的，像这个高斯物 太那个什么他，他就是用的这个函数，然后去给你进行礼盒的，然后这是他的系数，然后包括下面就是有些别的，这是秘制数的，然后 还有就是其他的，就是这些呢，我也不是很了解，但是他这里呢会有一个具体的函数，你可以根据这个函数 来进行理，结合这个函数来进行理解。然后这里呢是自动礼盒，我一般是开着这个自动礼盒的，因为自动礼盒呢，就意味着就是你一旦把这个选好，他就自动给你礼盒好了，很快， 而且就算你数据量，我之前你和的都是数据量，就是七八千的，就是也基本上几秒就完成了，很快哦，他这里还可以选个数，我可以选二哦，会加上一个长数项。 然后呢我们还可以选择啊，比如说其他的，一般呢，我是习惯于用自定义的，自定义的会更方便一些。 然后呢，就除了我们这里可以你和一个变量，我们也可以你和两个变量的，嗯，假如说呢，我现在在这里再加一个变量，再加一个 c， c 呢是等于，嗯， a 点成亿加上。 哦，不能写太复杂吧，写个简单一点吧，就比如说我就二乘以 b， 二点成 b 吧，然后加上一个三乘以， 变成一个 a 的一点五次方吧。然后呢，我们生成一个 c， 这个这个少， sorry， 少写了一个那个符号，这样应该就没问题了。好，我们可以看到 c 呢，也是一乘一百的一个数，然后呢它是由 a b 来组 组合并组合出来的，那这个时候呢，我们就可以就是来你和我们的函数，我们可以把 c 写进来， c 写进来，然后我们自定义，那这里呢它就会变成，就是啊 z 等于 f x y， 那这里的话我们就可以自己自己来进行写，比如说我就写一个胚星， a 乘以 x 的 n 次方，加上未成 x 的 b 次方法，加上一个 y， 嗯， c 乘以 b 变成 的 diss 吧。哦，这里应该是少了一点 booth。 好，我们可以看到它这里呢是我们礼盒的一个效果，那这里我们可以看到这个 r 平方值呢也基本上是一，那说明呢我们礼盒得到的结果呢，是非常好的一个结果，那这里呢就是我们对应礼盒得到的参数， a 是三， b 是一点五，然后 c 是二， d 是一， 那这是我们得到的一个结果，就是完美把我们刚才写的这个式子基本上就浮现出来了，对吧？那这就是我今天讲的那个 cover 配定一个非常简单的一个应用吧，就是大家就是如果在 做一些实验之后进行需要进行树脂礼盒的话，那这个这个呢就是一个非常方便的一个工具。然后 这里呢就是有一些设置，设置的话我一般是选默认的，这里呢有一个算法，他这个是好像是信任欲吧，然后完了之后，下面这个这个方法好像也挺常用的，但是具体有什么区别呢？我没有给他细究过，那我觉得就是如果你没有特殊的要求的话，其实用他默认的就已经可以了。 嗯，那以上呢就是本期的一个全部内容，非常感谢大家的观看，如果你觉得这个视频对你有用的话，可以给我一个一键三连，谢谢大家。

教你做机器人仿真。