问题：现有的绝大多数模仿学习的方法只从个别的目标模态中学习，例如语言和图像。但是现有的大规模模仿学习数据集仅部分标注了语言标注，是的现有方法无法充分利用这些数据集中学习语言条件化行为。解决方案：MDT引入在多模态目标指令上同时训练的潜在目标条件状态表示来解决。CLIP将图像和语言的目标嵌入对齐，通过两个自监督辅助任务进行训练，让目标嵌入能够编码足够的信息预测未来状态。效果：在包含不到2%的语言注释

3D和2D网络相互监督 稀疏注释下，3D医学图像分割。

ubuntu连不上网了。wifi图标在，但是搜不到可以用的网络。可以重启解决

记录自己ubuntu启动卡在logo界面，有鼠标，进不了系统的经历。和自己重装系统的经历。

聚类和对比的相关论文总结。

windows:从官网上下载对应版本的anaconda,。(大家安装完了千万不用pip install jupyter在一个虚拟环境里，我上一个anaconda就是这样没的。回到正题，就是运行下载的.exe文件，next，I agree ,Just me，选择安装路径，记住自己选择的安装路径。

主要是怎么改成自己的数据集，注意文件路径和文件类型，进行修改即可。main.py的参数根据自己的需要进行修改。

U-net是一种主要为图像分割任务开发的图像分割技术，在医学图像分割领域有很高的实用性。U-net的变体之后更新。