看来是软链接出了问题，我尝试了重新在 conda 环境安装 gcc/gxx，但是始终无法解决软链接问题，而且在卸载之后，这个。在 conda 环境安装 gcc/gxx 之后，运行开始遇到了以下的报错。依旧存在，看来是某个库的问题。在 conda 环境中找不到。

我们以采用 GitHub 上的开源库 [cuda-bundle-adjustment](https://github.com/fixstars/cuda-bundle-adjustment) 为例，其不能直接用vcpkg进行安装，只能通过cmake编译后链接到VS2022。将 cuda-bundle-adjustment 库通过 CMake 编译链接到 Visual Studio 2022 步骤操

首先先简单了解一下机器学习中，主要有三种学习范式：监督学习、无监督学习和自监督学习：- **监督学习**：依赖带标签的数据，通过输入输出映射关系进行训练。- **无监督学习**：不依赖标签，关注数据的内在结构和模式。- **自监督学习**：利用数据本身生成标签，通过预训练任务学习有效的特征表示。## Barlow TwinsBarlow Twins是一种基于信息论的**自监督学习方法**，其目标是

源码即上面给出的 Include.h，Constructor.h，Constructor.cpp，Image.h，Image.cpp，main.cpp增量加图前（两张初始图的构建）：注意目前只是完成了基本流程，有很多地方都需要优化，比如SIFT的参数设置RANSAC的参数设置初始图片的选择（很重要）还可以增加其他优化措施来剔除离谱点最重要的BA还没有加入！目前，出来的效果不好，革命尚未成功，同志还

发现需要额外安装 xformers 这个库，这个库比较特殊，他需要与 pytorch、CUDA 版本相匹配，但是！我使用的是 mamba 的 pytorch 配合 mamba 安装的 CUDA；我如果要改 pytorch 为 pip 版本的，就会牵连到 CUDA 相关的库，很麻烦！如果我直接用 pip 安装 xformers 的话，会出现 pip 自动给你安装一个 pytorch，就会和 mamb

1）实现十字链表的初始化操作：其中 L 指向 CrossList 结构，且各成员已被初始化为0；A 为 ElemType 类型数组中第一个元素的地址，元素的个数为 m×n 个，按行优先存储（即A[0] 为十字链表第1行第1列的元素；A[1] 为第1行第2列的元素，A[n] 为第2行第1列的元素，A[n+1] 为第2行第2个元素）；m 表示十字链表的行数，n 表示十字链表的列数。init_cross

（如几何推理、图表阅读），需要更精准的辅助线绘制、公式推导。将CoM数据与其他三类数据混合训练：MultiInstruct（指令跟随能力）、LLaVAR（识别文本能力）、ShareGPT4V（细粒度描述能力）基于普通VQA数据集 {(I, Q, A)}，自动生成标准的CoM样本（特别是数学问题领域再结合人工标注）训练：14K step，batch size 160，warm-up 280步，最高学

安装 cuda-toolkit 就相当于在安装完 pytorch-cuda 的需要的部分 cuda 库后，进行了补充安装，都是同一个 channel 的当然就不会有问题了。才对的上CUDA版本12.1的Pytorch。但是我们在安装的时候，先安装CUDA版本12.1的Pytorch，再安装。，我们只好迁就 pytorch，安装12.1.0的CUDA，但是呢！也就是说，该死的CUDA版本12.1的P

试在邻接表存储结构上实现图的基本操作 insert_vertex 和 insert_arc

**基础矩阵**用于描述两个视图之间的几何关系1. 基础矩阵：基础矩阵 $F$ 是描述两个视图之间相机投影关系的矩阵。对于两个对应的图像坐标点 $(x, y, 1)$ 和 $(u, v, 1)$​ 在两个视图上，基础矩阵满足以下方程：