用一个m×n的二维数组表示迷宫，0和1分别表示迷宫中的通路和障碍。设计一个程序，对任意设定的迷宫，按顺时针方向求出一条从人口到出口的通路，或得出没有通路的结论。输入格式:输入的第一行中给出m和n的整数值 ，分别代表迷宫的行数和列数。m和n的值，均小于20。 接着是两行分别是迷宫的入口和出口位置然后是m×n的二维数组表示迷宫输出格式:输出是m×n的二维数组，表示迷宫每一步走的位置，使用%3d格式。输

在网上把关于这题的做法浏览了个遍，看来看去与书上的伪代码总有出入我这次写的是完全参考书上写的（数据结构与算法严蔚敏版）注意：1）没写Status DelFirst(Link h, Link &q)【 h指向L的一个结点，把h当做头结点，删除链表中的第一个结点并以q返回。】我直接用hb->next=qb->next带掉了2）关于一元多项式的格式打印我没写，大家可以参考这篇http

商汤、上海AI实验室、新加坡国立大学、北京大学作者研究方向主要是模型架构研究、半监督学习、目标检测共同一作个人主页：https://adamdad.github.io/其他作者摘要在本研究中，我们深入研究了半监督目标检测（SSOD）中伪目标的不一致性。我们的核心观察结果是，振荡的伪目标破坏了精确探测器的训练。它给学生的训练注入了噪音，导致了严重的过拟合问题。因此，我们提出了一个系统的解决方案，称为

基于重构的方法，如RD4AD和UniAD，（比基于特征嵌入和合成的方法）表现出优越的性能和更好的可扩展性如图 1 (a) ：基于 CNN 的 RD4AD 有效地捕获本地上下文，但它缺乏建立远程依赖的能力。如图 1 (b)：UniAD是第一个多类 AD 算法，依赖于预训练的编码器和转换器解码器架构。尽管变压器具有优越的全局建模能力，但它受到二次计算复杂度的阻碍，它将UniAD限制在最小特征图上的异常

我下载了LISA-13B-llama2-v0-explanatory（别下这个，我当时是因为作者只发布了两个版本，才下的，后面没用上，要下就选择v1的版本，内存大的下13B，小的下7B）解决：“pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple/”之前https://www.lfd.uci.edu/~gohlke/python

LISA: Reasoning Segmentation via Large Language Model》基于大型语言模型的推理分割日期：2023.8.1(v1)单位：香港中文大学，思谋科技，微软亚洲研究院论文地址：https://arxiv.org/abs/2308.00692作者：赖昕，香港中文大学三年级博士生，师从贾佳亚教授。主要研究方向是三维点云感知，迁移学习，半监督学习，小样本学习。已

题目：《MixTeacher: Mining Promising Labels with Mixed Scale Teacher for Semi-Supervised Object Detection》，CVPR 2023日期：2023.3.16单位：腾讯，上海交通大学，浙江大学，荣旗工业科技公司论文地址：http://arxiv.org/abs/2303.09061作者。

文字输入decoder，用于限制图像生成的范围，Encoder输出一个向量，交给decoder，希望还原回一样的图像，encoder和decoder一起训练，希望生成的图像约相似越好同时要对encoder生成的向量做限制，强制其是normal distribution训练encoder，输入一张图片输出一个向量，并保证这个向量是可逆的（大小与输入图像一致），多个向量组成normal distrib

4：从平均值(mean)=0，方差(variance)=1的normal distribution中sample出ε，大小与image一致，是一张全是噪音的图片。我们会发现，噪声只由β序列和xt-1所决定（固定的而非可学习的过程），且生成xt-1时只依赖于xt，可以得出在添加噪声的过程中，是一个马尔科夫链过程，进而得出。αT），得到带有噪音的图片（α越大得到的图片带有的噪音占比越大）；注意，在得到

距离上一次发博客都过去一个多月了，期间不是没有在学习，也保持着记笔记的习惯，但由于刚入门ML/DL的领域，能力也一般，现阶段学的很多东西都很基础，很多时间都在看各路大佬们的课、博文或是读论文，笔记里很多内容都是在收集别人的知识产物，整理时也没有很有条理，根本不是能作为博客发布的状态，所以就一直存放在本地了…害，希望接下来能多有自己的产出吧orz。修改文件：/content/YOLOv8/ultra