logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

AutoDL 服务器训练必备:tmux 后台训练完整指南(新手版)

tmux是 Linux 下的一个终端会话管理工具。普通终端关闭 → 程序停止tmux 会话关闭 → 程序继续运行深度学习训练AutoDL 云服务器SSH 远程开发长时间运行任务tmux 的核心其实只有一句话:“退出终端,但不退出程序。Ctrl + BD你就已经超过很多刚接触 Linux 服务器的新手了。

文章图片
#服务器#运维
SwinIR-Denoise-UNet:红树林分割最佳实验全过程

TTA 推理合理的 checkpoint 筛选 + 推理优化,往往比盲目加复杂后处理更有效。对于遥感分割任务来说,这类“训练 + 推理联合优化”的思路,通常比单纯堆模型更稳定,也更容易复现。

#人工智能
从零理解 DiT:新手也能看懂的 Diffusion Transformer(附代码解析)

很多人一上来就看公式。结果:5 分钟放弃。其实 Diffusion 的核心思想非常简单。用 Transformer 替代 U-Net整个流程:带噪图像↓Patchify↓↓预测噪声证明了 Transformer 在生成模型中的巨大潜力这也是后续大量生成模型 Transformer 化的开始。如果你是第一次接触 diffusion:不要怕。

#transformer#深度学习#人工智能
使用Vscode远程连接服务器进行训练

由于我近期使用了vscode的codex插件辅助编程,所以需要用到vscode的远程连接服务器功能,为此写了一篇博客记录最近的工作日志。

文章图片
#vscode#ide#编辑器 +4
租用GPU云服务器进行深度学习(AutoDL,超保姆级,适重大更新)

租用GPU云服务器进行深度学习(AutoDL,超保姆级,适用新手)

文章图片
#深度学习#人工智能#算法 +4
Transformer:从基础原理到自动驾驶 BEV 矢量化地图构建

2017 年,Google 发表,Transformer 横空出世,彻底颠覆了自然语言处理领域。短短几年间,它一路 “破圈”,成为计算机视觉、自动驾驶感知、BEV 建模、矢量化高精地图构建的绝对核心支柱。整个模型的灵魂,就是 Transformer。

#transformer#自动驾驶#深度学习 +4
从传统视觉到YOLOP车道线检测项目笔记

作为刚入门深度学习的新手,我从经典的传统图像处理车道线检测入手,逐步升级到基于深度学习的自动驾驶车道线检测,完成了一次完整的项目实践。本文将完整记录项目流程、代码解析、遇到的问题及解决方法,方便后续复习回顾,也适合同阶段的新手参考。:基于OpenCV实现车道线检测(裁剪、掩码、高斯模糊、边缘检测、霍夫变换),项目链接:(视频在姓名链接里面):基于YOLOP预训练模型,利用GPU加速实现更鲁棒的车道

Editplus4获取注册码和汉化教程(保姆级)

EditPlus是一款流行的文本编辑器,它主要用于编写代码,特别是针对程序员来说,特别适合HTML、CSS、JavaScript、PHP等Web开发语言。EditPlus提供了一系列实用的功能,比如语法高亮显示、自动完成、代码折叠、标签匹配、查找替换、多行选择等等,大大提高了开发者的编码效率。此外,它的界面简洁直观,支持多种操作系统如Windows,且对插件系统友好,允许用户自定义和扩展其功能。注

文章图片
#经验分享#windows#python +4
到底了