tRNA赐我力量-CSDN博客

原创 Ubuntu 22.04/20.04 深度学习环境配置：CUDA 11.x/12.1 多版本共存、驱动冲突修复与环境变量动态切换全指南

x86_64：非破坏性安装（Non-destructive）。在不覆盖主机显卡驱动、不污染系统默认 GCC 环境的前提下，构建独立的开发环境。：本案例基于Ubuntu 22.04 LTS (x86_64)上部署UniScene项目的基础， UniScene是一个以 Occupancy 为中心的统一驾驶场景生成框架，涵盖语义占据栅格、LiDAR 点云及多视角视频生成。目标CUDA 12.1。

2025-12-24 16:02:40 954

原创从 AutoDL 实例上传压缩数据到 Hugging Face Datasets 全攻略

在科研工作中，特别是涉及自动驾驶、占用网络（Occupancy-centric）或类似计算机视觉项目的场景下，将本地或远程服务器（如 AutoDL）上的数据高效上传至 Hugging Face Datasets 仓库，是实现数据共享、模型训练和协作复现的关键步骤。本教程基于实际调试经验，系统阐述从准备工作到上传成功的完整流程，旨在为研究者提供可操作的指导。流程以 UniScene 项目的数据处理为例，但适用于通用场景。注意：本教程假设用户具备基本的 Python 编程和终端操作知识。

2025-12-19 20:37:04 1281

原创 Ubuntu硬盘空间不够？一文带你理清过程的根分区无损扩容实战指南

本次操作成功在不重装系统的前提下，解决了因分区布局不合理导致的空间扩容难题。遇到的问题技术成因解决方案Live USB 启动黑屏NVIDIA 显卡与 Nouveau 开源驱动冲突，导致内核死锁。使用nomodeset参数禁用内核态显卡驱动加载；避免使用acpi=off，以免屏蔽 NVMe 控制器。EFI 分区阻隔扩容扩容空间源与目标之间存在物理分区，破坏了扇区连续性。利用 GParted 进行“分区移位”。基于 UEFI/GPT 对物理地址不敏感的特性，安全移动 EFI 分区。根分区无法卸载。

2025-12-14 15:39:38 1473 1

原创 UniScene AutoDL 环境部署完全指南 (二)：虚拟环境的建立与注意事项

由于其包含复杂的 CUDA 模板代码，编译过程对内存消耗极大，在多核服务器上极易因并发编译导致内存溢出（OOM）从而中断进程。原因：nuscenes-devkit 的地图代码与 Shapely 2.x 不兼容（Shapely 2.x 的 MultiPolygon 不再可直接迭代）。由于 PyTorch 2.5.1 版本较新，OpenMIM 官方仓库尚未发布对应的 MMCV 2.1.0 预编译包（Wheel）。版本不一致（Split Brain）的问题，这会导致驱动调用失败或 C++ 扩展编译错误。

2025-12-11 00:53:16 1291 5

原创 nuScenes数据集处理（一）——如何利用ASAP生成12Hz高密度标注数据

是一个针对自动驾驶场景设计的高效序列感知自动标注流水线。该项目的核心痛点在于解决自动驾驶数据集中“传感器采样频率”与“人工标注频率”之间的巨大鸿沟。在以 nuScenes 为代表的主流数据集中，虽然 LiDAR 传感器的采集频率高达 20Hz，但为了控制标注成本，官方仅提供 2Hz（即每秒 2 帧）的关键帧（Keyframes）人工标注。这意味着 90% 的传感器数据（中间帧/Sweeps）处于无监督状态，极大地浪费了数据的时序价值。

2025-12-04 13:02:11 1387 1

原创 AutoDL下清理Linux隐藏回收站的完整实战指南

摘要： AutoDL实例常因Linux删除机制和图形界面操作导致磁盘空间未真正释放。本文通过实战案例，指导用户排查隐藏回收站文件（如/root/.local/share/Trash和/root/autodl-tmp/.Trash-0），使用find和du命令定位占用空间的大文件（如HuggingFace缓存和模型权重），并通过rm -rf安全清理。清理后需用df -h验证空间释放效果。建议用户调整删除习惯、迁移缓存路径并定期清理隐藏目录（如.ipynb_checkpoints），避免盲目扩容。

2025-11-29 21:20:27 1828

原创 UniScene AutoDL 环境部署完全指南 (一)：数据架构与模型资产配置

本文是UniScene框架在AutoDL平台部署指南的第一部分，重点介绍数据架构与模型资产配置。主要内容包括： nuScenes数据集解析：详细说明该自动驾驶多模态数据集的结构、传感器配置和目录标准，对比全量版和Mini版的差异。 AutoDL存储设计：提出"数据盘物理存储+代码层软链接映射"策略，解决系统盘空间不足问题，提供具体目录构建和软链接映射命令。数据集部署方案：特别推荐Mini版本快速部署方案，包含数据集本体、地图扩展、CAN总线等组件，提供国内镜像下载地址和标准解压流程。

2025-11-26 21:00:33 761 3

原创强化学习算法 | TRPO的数学推导以及代码实现

TRPO（Trust Region Policy Optimization）是一种强化学习算法，通过约束策略更新的幅度来提升训练稳定性。其核心思想是在信任区域内优化策略，确保新旧策略的KL散度不超过阈值δ，从而避免性能骤降。TRPO将优化问题转化为带约束的最大化代理目标函数，其中目标函数为新策略的期望优势，约束条件为KL散度限制。数学推导基于策略梯度定理，通过重要性采样和优势函数降低方差，并利用共轭梯度法求解约束优化问题。TRPO在复杂任务中表现出色，解决了传统策略梯度方法因过大更新导致的不稳定问题。

2025-11-25 10:28:41 290

原创 Ubuntu环境下安装Anaconda 完整超详细指南 (含避坑指南)

本文提供了Ubuntu系统下Anaconda3的完整安装指南。重点包括：推荐使用清华镜像站快速下载安装包；强调必须使用普通用户权限安装，避免使用sudo；详细讲解安装过程中的关键步骤，特别是初始化Conda环境；配置国内镜像源以加速后续软件安装；并提供常见问题的解决方案。安装完成后，用户将获得一个配置完善的Python数据科学环境，适合深度学习开发。

2025-11-25 10:02:34 843

2302_76211938的博客