qq_19841133的博客

踩坑记录，看中文社区的文章来配环境简直就是掘shit… 失败了好多次，痛定思痛以后一定要直接去谷歌全流程走过一遍没有问题，希望大家能少踩坑核心就是要把--prefix都装到一个目录下。

（随便cv的，见谅，有空单独写一篇博客看看RWKV的源码吧…）2024 年 1 月 28 日，RWKV 开源基金会宣布开源 RWKV-5-World 7B 模型。RWKV 是一种创新的深度学习网络架构，它将 Transformer 与 RNN 各自的优点相结合，同时实现高度并行化训练与高效推理，时间复杂度为线性复杂度，在长序列推理场景下具有优于 Transformer 的性能潜力。RWKV-v5 架构模型能力指标接近 Llama2，但推理成本降低 2~10 倍，训练成本降低 2~3 倍。

和大佬交流的时候我完全啊吧啊吧，只能恶补一下这部分知识了。

Stable Diffusion是一种人工智能（AI）模型，可以根据训练数据创建图像。Stable Diffusion使用的是一种称为潜在扩散模型（LDM）的东西。Stable Diffusion用于根据文本提示生成图像，并使用修复和外部绘制的过程改变现有的图像。参考资料1：参考资料2：参考资料3：不想写的太长，更详细的介绍请查看参考资料ControlNet是一种网络结构，通过添加额外控制条件，来控制出图效果。（官网，适合高玩直接上手）（推荐新手照着做）

什么是通义千问？通义千问（Tongyi Qianwen）是由阿里巴巴集团旗下的云端运算服务的科技公司阿里云开发的聊天机器人。它能够与人互动、回答问题及协作创作。这个名字来源于两个方面：“通义”意味着该模型具有广泛的知识和普适性，可以理解和回答各种领域的问题。作为一个大型预训练语言模型，“通义千问”在训练过程中学习了大量的文本数据，从而具备了跨领域的知识和语言理解能力。“千问”代表了模型可以回答各种问题，包括常见的、复杂的甚至是少见的问题。什么是LLM？

Slurm是一个开源、容错、高度可扩展的集群管理和作业调度系统，适用于大型和小型Linux集群。Slurm的操作不需要对内核进行修改，并且相对独立。作为集群工作负载管理器，Slurm具有三个关键功能。首先，它将对资源（计算节点）的独占和/或非独占访问分配给用户一段时间，以便他们可以执行工作。其次，它提供了一个框架，用于在分配的节点集上启动、执行和监视工作（通常是并行作业）。最后，它通过管理挂起的工作队列来仲裁资源争用。

YOLO V4没过多久YOLO V5就出来了。YOLO V5的模型架构是与V4非常相近的。综合而言，在实际测试中，Yolov4的准确性有不错的优势，但Yolov5的多种网络结构使用起来更加灵活，我们可以根据不同的项目需求，取长补短，发挥不同检测网络的优势。Yolox的改进trick中，有很多值得借鉴的地方。

当我们登录成功后，我们就可以跳转到我们需要页面，进行脚本处理。当然了进入了新的页面，别忘了创建新的页面类。在我的例子中就是创建了新的页面类ResourceDetailPage以便完成后续的业务。然后我们新建page.py，在这里我们只处理页面的对象，因此我们创建页面类在此，当然这个页面类需要和HTML元素和驱动进行组合才能形成一个页面。接着我们在locator.py创建定位器类，没什么特别，就是作为一个类似字典的静态类存放元素的位置。接着我们在element.py创建元素的基类，以后的元素类都继承自它。

Selenium是一个用于自动化浏览器操作的开源框架，而Selenium WebDriver则是Selenium的一个组件，它提供了一种编程接口，用于控制浏览器的行为。Selenium WebDriver支持多种浏览器，包括但不限于Chrome、Firefox、Safari和Edge等。Selenium Python绑定提供了一个方便的API来访问Selenium WebDrivers，如Firefox、Ie、Chrome、Remote等。

最后，将加权后的特征与原始特征相乘，得到最终的特征表示。这个模块通过十字交叉注意力的设计，实现了更强的特征表达能力和更高的效率。总的来说，CCNet的优点包括生成更具辨别性的特征以及减少GPU内存的使用。但是其实现过程不是直接通过插值等方式产生这个高分辨率图像，而是通过卷积先得到 r^2个通道的特征图（特征图大小和输入低分辨率图像一致），然后通过周期筛选（periodic shuffing）的方法得到这个高分辨率的图像，其中r为上采样因子（upscaling factor），也就是图像的扩大倍率。

本来是一期的，我看了太多内容了，于是分成三期发吧 TAT （捂脸）

坚持才是最难的事情C++代码还是不方便写，改用python了，TAT。

下午浑浑噩噩，泡杯茶，读篇论文吧首先说明，时间有限没有那么精力一一回复了，对不起各位了TAT。

每天早上到实验室早上昏昏欲睡，那不如写一题吧~

研究生一年多了，一直浑浑噩噩的，在深度学习的泥潭挣扎了好久，终于走出了精神内耗的泥潭…好久没有写博客了，决定重新捡起来…记录一下学习吧~之前写了一篇git的博客，

pg内核学习，记录一下。

论文：Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting (AAAI’21 Best Paper)看了一下以前的论文学习学习

写在前面, ppt鸟语一堆实在看得我头痛…离散数学高级版。

像下面举了一个例子T(n)，计算发现f(n)较大，同时还要验证正则条件a(f(n/b))

一个快速的解决方法可能是替换dtype='float32’的浮点数。np默认返回float64类型。F.linear对精度傻了。不如去stackoverflow上看一眼。