verse_armour的博客

原创 【读论文】DINOv3论文阅读与代码实践

在hugging face上申请，申请的时候最好瞎编一个美国人的信息，并使用美国的IP（因为我第一次申请的时候老老实实填写的真实信息，IP地址定位在新加坡，然后一会儿就被reject了）先去github上下载最新的transformers仓库得到transformers-main.zip传到服务器上，并解压。报错原因：模型代码还没有正式发布到 PyPI（Python 的官方包仓库）成功将图片编码成features。将以上文件下载之后存放在目录。

原创 【FPGA】在PYNQ开发板上搭建卷积神经网络实现交通标志识别

你现在的工程本身没有任何问题，纯粹是Vivado 2018.3 软件太老，没料到你会活到 2022 年以后用它。👉请直接把电脑年份改成 2020 年，然后重试 Export RTL，立刻就能好。没有修复成功，应该把y2k22_patch 文件夹解压到D:\Xilinx目录下成功导出！现在你需要导出两个关键文件，以便稍后上传到 PYNQ 板子上使用。cnn.bitcnn.hwh拿到这两个文件后，你的 Vivado 之旅就正式结束了！接下来的战场将转移到 Jupyter Notebook 上。

原创 windows上的mamba安装

主要参考的这篇文章0当前的报错是由两个非常典型的引发的“连环车祸”。

原创 【深度学习】Grand Challenge、zenodo、huggingface数据集下载

注意必须安装 Git LFS，否则大文件只能下到指针文件。操作比较简单，但是一般来说比较慢，网络不好的时候容易下载中断，又要重新下载。以下是详细的下载指南，以及国内用户最常遇到的“网络连接”等问题的解决方案。下载 Hugging Face 数据集时，90% 的问题都集中在。适用场景： 习惯用 Git 管理、需要查看历史版本的用户。这个方案是我下来最流畅的一个，没有遇到问题。适用场景： 下载原始文件、大批量文件备份。这是一个国内公益镜像站，完全同步官方资源。需要一个一个下载，一般不用。

原创 markdown插入文献引用并导出pdf

linkcolor: blue # 内部链接（目录、引用）的颜色urlcolor: blue # 网页 URL 的颜色。

原创 东南大学云课堂导出PPT

代码运行后，所有链接会自动复制。打开 IDM (Internet Download Manager) 或 迅雷，选择“新建批量任务” -> “从剪贴板导入”，即可一键下载所有高清大图。

原创 Grand Challenge 上数据集的下载

注册Grand Challenge账号。到邮箱中点击确认链接。

原创 【debug日记】排查已损坏的npz文件（AI自动总结）

更令人困惑的是，当我在调试器 (Debugger) 中暂停并检查一个所谓的“损坏”文件对象时，它的属性看起来一切正常，甚至可以正确显示内部包含的文件列表（如。) 的0维对象数组。这个修正后的脚本，其运行结果与模型训练时的表现完全一致，最终精准地定位了那几个真正损坏的文件，问题得以解决。时，它只读取了文件的元数据和头部信息（就像只看一本书的目录），并不会立即解压和加载文件中的所有数据。：验证脚本的核心，是复现最小化的、能触发原始错误的加载场景。合乎逻辑的第一步，就是写一个脚本来验证所有文件的完整性。

原创 三种目标检测数据集格式对比：PASCAL VOC 格式、 COCO 格式、YOLO 格式

【代码】三种目标检测数据集格式对比：PASCAL VOC 格式、 COCO 格式、YOLO 格式。

原创 【debug日记】ModuleNotFoundError: No module named ‘torch._six‘（AI整理）

这是一个典型的的问题。

原创 【debug日记】在远程服务器上运行Gradio，为何127.0.0.1总是“拒绝连接”

正在体验三维场景重建的的demo，尝试输入2D图片重建3D点云。在远程服务器上运行以下脚本demo_gradio.py在浏览器中输入报错：demo.queue(max_size=20).launch(show_error=True, share=True)为你的应用启用一个任务处理队列：运行Python脚本的服务器和打开浏览器的个人电脑不是同一台机器。127.0.0.1：这是一个特殊的IP地址，它永远指向“本机”或“localhost”。当Python脚本在服务器上运行时，它启动的Web服务监听的

原创 pycharm配置远程服务器上的docker解释器

看的这个博客成功配置了，放在这里方便查找。

原创 【debug日记】MONAI SwinUNETR 目标检测项目调试总结（AI自动总结）

项目: 使用 MONAI，以预训练的 SwinUNETR 为骨干网络，微调 RetinaNet 进行3D肺结节检测。本文档旨在记录在项目配置、数据处理和模型训练过程中遇到的一系列问题及其解决方案，作为经验沉淀和未来参考。: 创建一个全新的、干净的Conda环境，并安装已知兼容的库版本组合，从根源上杜绝版本冲突。此次调试历程是一次典型的深度学习项目实践。这是解决此类问题的首选方案。日期: 2025年7月25日。

原创 【debug日记】ImportError: cannot import name ‘MambaLMHeadModel‘ from partially initialized module ‘mamba

它明确地告诉Python：“请从我环境里安装好的、名为 mamba_ssm 的这个顶级包里开始寻找模块”。因为您已经通过 pip install -e 安装了它，Python知道 mamba_ssm 是一个已安装的包，它会直接通过这个“官方”路径去查找，从而绕开了本地文件夹路径带来的歧义，解决了冲突。原来的写法 from mamba.mamba_ssm…：这种写法让Python可能首先会查看当前目录下的 mamba 文件夹，然后试图在里面寻找 mamba_ssm，这恰好触发了路径冲突和循环导入。

原创 【医工AI】NBIA Data Retriever下载数据因网络原因部分数据error

关于NBIA Data Retriever下载数据时因网络原因出错的问题。NBIA Data Retriever 具备重传和续传机制。

原创 luna16_training.py训练优化

【首要任务】将的device从"cpu"改为device。【高收益】使用替换Dataset来缓存预处理结果。【可选】移除训练循环末尾的和。【微调】尝试调整DataLoader的数量，找到最优点。【权衡】如果希望整体训练流程更快，可以适当增加。

原创 【实习日记】day02

今天我们主要围绕一个基于 Poetry 和 Conda 的 MONAI 检测项目，解决了一系列从环境配置到依赖安装的复杂问题。整个过程就像一次深度探案，最终成功理清了所有障碍。希望这份总结能帮您巩固今天的收获！

原创 【debug日记】解决 Conda 激活命令未正确配置的问题

通过上述步骤，你可以轻松解决并成功使用命令来激活你的虚拟环境。

原创 【医学图像】DICOM

一个Patient（病人）可以进行多次Study（检查）。一次Study（检查）可以包含一个或多个Series（序列）。一个Series（序列）可以包含一张或多张Image（图像/SOP实例）。这种树状结构确保了医疗影像数据的高度组织化，让医生或研究人员可以轻松地根据UID找到某位病人在某次检查中某个特定序列的某一张精确图像。

原创 【Git】GitHub上传图片遇到的问题

一开始我直接在网页上拖拽上传，会说“网页无法正常运作”。

原创 VSCode连接Overleaf失败解决办法

（1）打开overleaf首页。（2）按F12打开开发者模式。

原创 【linux常用指令】du命令

如果你想按大小排序显示文件夹，可以结合 sort 命令。这会按大小从小到大排序显示文件夹。如果想按大小从大到小排序，可以加上 -r 选项。今天收到通知需要将服务器上的容量大的文件移动到大容量数据盘中。

原创 Optimizing Quantum Circuits via ZX Diagrams using Reinforcement Learning and Graph Neural Networks

量子计算目前受到噪声的严重影响，特别是双量子比特门带来的噪声。在噪声中等规模量子硬件上，减少双量子比特门数量至关重要。我们提出了基于ZX演算、图神经网络和强化学习的量子电路优化框架。通过结合强化学习与树搜索，我们的方法解决了选择最优ZX演算重写规则序列的挑战。我们的方法训练了直接在ZX图上操作的强化学习策略，能够发现任意优化规则，显著减少CNOT门数量。实验表明该方法与最先进电路优化器竞争力相当，并在大规模随机电路集上展现出良好的泛化能力。

原创 【项目笔记】DeepSeek+LoRA+FastAPI：开发人员如何微调大模型并暴露接口给后端调用

解决：使用 Node.js 官方二进制文件安装（无需管理员权限）复制该地址到浏览器报错：localhost 拒绝连接。解决：使用官方二进制文件安装（无需管理员权限）3.安装好mvn后执行。

原创 VSCode远程连接服务器

原创 【debug日记】/nvidia/cusparse/lib/libcusparse.so.12: undefined symbol: __nvJitLinkComplete_12_4, version

通过以上步骤，我们成功解决了 PyTorch 中的 libnvJitLink.so.12 报错问题。问题的根本原因在于 CUDA 库路径未正确配置，导致 PyTorch 无法加载所需的动态链接库。通过将库路径添加到 LD_LIBRARY_PATH，并验证路径是否生效，我们可以确保程序能够正确运行。希望这篇文章能够帮助遇到类似问题的开发者快速定位并解决问题。如果你有其他疑问或建议，欢迎在评论区留言。

原创 【PyTorch Lightning】

Lightning Module中除了forward函数，还要定义configure_optimizers, training_step和validation_step函数。Module中要定义forward函数；

原创 【debug日记】 MONAI 的 LoadImaged 变换无法加载指定的 NIfTI 文件、Databricks authentication、Too many open files: ‘/tmp

call。

原创 AI for EDA

集成电路设计借鉴自动驾驶领域Tesla的数据仿真系统（真实数据集+生成数据集+仿真数据集+corner case）：用大模型生成很多RTL的设计数据，用仿真验证功能是否正确，用布局布线和综合得到PTA，用lint工具检查合规性。仿照大模型的思路，对其规格定义、RTL设计、版图，多种设计模态对齐，在设计规格早期或者RTL设计时，就能看到物理设计中的面临的power performance area甚至布线的拥塞。往往上一代芯片的验证脚本很难继承到下一代芯片的验证中去。演讲者：EDA国创中心王翕博士。

原创 【昇腾】NPU ID：物理ID、逻辑ID、芯片映射关系

猜想也许是进行了从物理ID到逻辑ID的映射。还真的存在这么一个映射。确实物理ID为6的NPU被映射成了0。这是因为当前环境下（notebook）中只存在一个NPU。但是还有一个问题：什么时候使用物理ID什么时候使用逻辑ID呢？

原创 【昇腾】Linux系统常见命令

解决办法：如果是运行单卡模式，在训练脚本中加入export ASCEND_RT_VISIBLE_DEVICES=0（指定 0 号卡对当前进程可见）。PRETTY_NAME：操作系统的友好名称，通常用于显示。VERSION_ID：操作系统的版本号，通常是一个数字。ID_LIKE：操作系统所属的家族或类似的操作系统。BUG_REPORT_URL：报告错误的 URL。HOME_URL：操作系统的官方网站 URL。SUPPORT_URL：获取支持的 URL。VERSION：操作系统的版本号。

原创 【昇腾】从单机单卡到单机多卡训练

在多进程环境中，数据共享是一个挑战。torch.multiprocessing 允许在进程之间共享 PyTorch 张量，这些张量存储在共享内存中，而不是在进程之间复制数据。DDP通过在每个进程中创建模型的一个副本，并在每个副本上独立地进行前向和反向传播，从而实现并行计算。在每个训练步骤后，DDP自动同步各个进程计算出的梯度，确保所有进程的模型参数保持一致。这个采样器的设计目的是确保在分布式训练过程中，每个进程只处理数据集的一个子集，这样可以有效地利用多个进程和GPU来加速训练。对于每一个GPU进程，

原创 【昇腾】获取notebook中文件的绝对路径

直接copy path获取的路径并不完整。需要新建一个python文件。

原创 【linux】端口监听和终止进程

有时候，即使进程看起来已经关闭，它可能仍然占用着端口。你可以使用 netstat -tulpn | grep <端口号> 来查看哪个进程正在使用该端口，然后使用 kill -9 来强制关闭该进程。netstat -tulpn | grep <端口号>kill -9 <进程pid>

原创 【昇腾】训练过程中功率监测，和英伟达4090对比

【代码】【昇腾】训练过程中功率监测，和英伟达4090对比。

原创 【昇腾】多卡分布式训练-官方例程

world_size(进程总数)：在分布式训练或并行计算任务中，world_size表示总共有多少个进程参与计算。每个进程通常运行在不同的CPU核心、GPU或整个计算节点上。4.将数据加载器train_dataloader与train_sampler相结合。Shell 脚本可以自动化任务，使得重复性的工作可以快速、一致地完成。2.在获取训练数据集后，设置train_sampler。3.定义模型后，开启DDP模式。1.在主函数中添加如下代码。注意：这里8卡训练则设置。，如果只有单卡训练则，

原创 linux没有权限安装zip应该如何解压压缩包

在执行 -e 或 --extract 操作时，脚本期望接收两个参数，但只收到了一个。第一个参数应该是 ZIP 文件的路径，第二个参数应该是解压目标目录的路径。（3）再试试tar命令，好像安装了，但是不能用，只能解压tar格式的压缩包。（4）因为安装了python，尝试用python解压。（2）发现没有安装先安装，发现没有权限安装。（1）尝试使用unzip命令直接解压。

原创 【C盘清理】Pycharm远程调试重度使用者C盘清理

这个文件夹是 PyCharm 在进行远程调试时使用的，它包含了远程服务器上的源代码副本。当你在 PyCharm 中设置远程调试并启动调试会话时，PyCharm 会将远程服务器上的代码同步到这个文件夹中，以便能够在本地 IDE 中进行调试。这些文件夹都是一年前远程调试代码产生的，也不会再使用了，直接shift+delete永久删除即可。

原创 【Colab代码调试】End-to-end reproducible AI pipelines in radiology using the cloud

例如，如果你的 Colab 笔记本需要从用户的 Google Drive 中读取数据文件，或者需要将结果保存到用户的 Drive 上，那么在进行这些操作之前，你需要确保已经通过 auth.authenticate_user() 进行了身份验证。在 Google Cloud Platform (GCP)中，当你创建一个项目时，你会给它指定一个项目名称，但系统还会自动生成一个唯一的项目ID。项目ID是用于程序化操作的标识符，它在整个Google Cloud 中必须是唯一的。

原创 【读论文】End-to-end reproducible AI pipelines in radiology using the cloud

评价指标：area under the receiver operating characteristic curve（AUC）、receiver operating characteristic (ROC)、双侧Mann-Whitney U检验、DeLong检验配对AUC曲线、Kaplan-Meier（KM）、Cox比例风险（PH）建模。数据集更新：同一队列的更新数据集（2020年底更新的临床和随访数据，clinical and follow-up data）任务：分析CT图像上的肿瘤病变来预测结果。