最近需要做点云处理，PCL是个比较有用的包，但是只能C++，比起Python确实要麻烦一点。在自己的MacBook上折腾那些依赖之类确实比较危险，搞坏了又要花时间精力去弄，况且MacBook的性能确实经受不起点云数据的折腾。最后想到用docker来搞了。DockerHub上只有一个用PCL1.8.0搭建的镜像，有点老掉牙了，于是乎自己搞了一套出来。本来还想直接在镜像里配好VIM，但是Ubuntu 16.04的源里面Python和VIM的版本都太低了，都得源码编译，暂时先放弃了。用VSCode+Docker扩展已经很香了，不瞎折腾了。

Dockerfile在这:GitHub Dockerfile里build的时候指定了clash的代理用来加速一些PPA，同时APT改成了科大源。

或者直接Pull镜像也可以:docker pull erwinqi/pcl:v1.11.1

由于论文中要搞很多参考文献，我需要用BibTeX生成引用和参考文献，这些东西我肯定不会想去手动管理，手写.bib既累又容易出错。因此想到用EndNote。但是在macOS 10.15 Catalina上安装EndNote的时候出了些问题。

最近做毕业论文，需要做深度学习的目标识别，但是苦于算力危机，这时候发现了Google提供的超级好用的Colab，使用上手很快，但是有一些需要注意的点，做了一点总结。

最近需要利用coco format的数据集做目标识别的训练，个人比较熟悉tensorflow，但是tensorflow的Object Detection API接受的是tfrecord格式数据，为了分别生成train validation使用的tfrecord，我需要把coco format的数据集分割一下，在这里遇到了一些麻烦。