This is the Linux app named Theseus whose latest release can be downloaded as 0.2.2sourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
使用 OnWorks 免费下载并在线运行这个名为 Theseus 的应用程序。
请按照以下说明运行此应用程序：
- 1. 在您的 PC 中下载此应用程序。
- 2. 在我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX 中输入您想要的用户名。
- 3. 在这样的文件管理器中上传这个应用程序。
- 4. 从此网站启动OnWorks Linux online 或Windows online emulator 或MACOS online emulator。
- 5. 从您刚刚启动的 OnWorks Linux 操作系统，使用您想要的用户名转到我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX。
- 6. 下载应用程序，安装并运行。
SCREENSHOTS
Ad
忒修斯
商品描述
Theseus 是一个用于可微分非线性优化的库，允许您将诸如高斯-牛顿或列文伯格-马夸特 (Levenberg–Marquardt) 之类的求解器嵌入到 PyTorch 模型中。问题表示为流形上变量的因子图（例如 SE(3)、SO(3)），因此经典的机器人和视觉任务（例如捆绑调整、位姿图优化、手眼校准）可以简洁地编写并高效地求解。由于解是可微分的，您可以通过优化进行反向传播，以端到端地学习成本权重、特征提取器或初始化网络。该实现支持 GPU 上的批量优化、稳健损失、阻尼策略和自定义因子，使其适用于实时系统。辅助包提供用于组合先验、相对约束和测量模型的几何原语和实用程序。Theseus 弥合了经典优化与深度学习之间的差距，使学习组件的混合系统成为可能。
功能
- PyTorch 中的可微分高斯-牛顿和 Levenberg-Marquardt 求解器
- 具有 SE(3) 和 SO(3) 等流形变量的因子图 API
- 批量、GPU加速的解决方案，具有强大的损失函数
- Autograd 支持端到端学习成本、特征或初始化
- 用于 SLAM 和捆绑调整的几何助手和可重用因子
- 自定义变量、因子和阻尼策略的可扩展设计
程式语言
Python
分类
此应用程序也可从 https://sourceforge.net/projects/theseus.mirror/ 获取。它已托管在 OnWorks 中，以便通过我们的免费操作系统之一以最便捷的方式在线运行。
