然后运行仓库下面scrpits/convert_vae_pt_to_diffusers.py。仓库的使用遇到了这个bug，原因是hugging face在加载线上仓库的时候遇到了问题，然后拉一下hugging face的diffusers的官方git仓库。输入路径就是你刚才下载的权重，输出路径是json信息的保存路径。然后你把报错位置的代码从。

高通snpe使用流程

这是一种使用GAN来生成对抗样本的模型代码：首先来看一个训练过程代码中首先训练的是D首先用generator生成干扰项 perturbation，然后与原图相加形成对抗样本 adv_images当然训练一个D的loss分为了两部分，loss_D_real旨在拉近吃正样本之后的输出与1的距离loss_D_fake旨在拉近吃负样本之后与0的距离，这里的负样本就是对抗样本，输入的时候不要忘了detach

OHEM - non_local - smooth L1 loss - Libra R-CNN文章还是主要讲libra rcnn 和一些拓展知识我C我这一看我每天实习的内容不就是hard neagtive mining吗 ，还是人工的那种☹️☹️☹️OHEM正常的hard negative minine 确实存在训练慢的问题，比如我自己每次训练完模型都得重新弄一套测试+重新训练的pipeline