回顾一下之前笔记（ch.4）提过的 Q-Learning 的概念，这是一种逐渐逼近 Q 值的 TD 算法。当前状态下 Return 的计算公式是：（1-step）这个方法是的背景，是假定当前状态有限，于是可以去更新一个 Q 值表。然而，在DQN算法的背景中，状态是无限的或者说不可数的。比如 DQN 就被用在雅达利的游戏中，输入是雅达利2600（一款很老的游戏机）的游戏画面，所以状态是无限的。在函数

部署了很多次Grounding Sam，每次都在这一步卡了几十分钟之后才想起来要怎么解决。在保证路径全对的情况下，安装这个包即可。

以及之前的 from_pretrained 方法也要加一个默认参数你直接传入 config_name 和 ckpt_path 即可，这俩一个是 .yaml 路径，一个是 .pt 路径，比如这是我传入的方式。

【代码】解决：cannot import name ‘AutoModel‘ from ‘modelscope‘

3. 完成这些之后，应该就不需要安装Flash-Attention2了。我不去装什么Flash-Attention2，说是要编译好几个小时，然后我这边一直报错。直接从头开始说我的部署方式，

假设你有两个高斯分布，这两个分布观测同一个量。举个例子，你是一个数学家，你家里有两个温度计用来测室温。你知道这两只温度计都不太准，但都服从高斯分布。他们测出来的值分别是，方差分别是。所以你每次计算真正室温时，是通过某种方式，将这两个测量值结合起来看的。那么怎么结合呢？

为了让模型也具备“常识”去判断异常，论文首先用大语言模型（LLM）生成一系列与正常场景和异常场景相关的词汇（并非随便生成，而是基于提示词获取常见场景如“街道”、“公园”、异常场景如“爆炸”、“火光”），再用 CLIP 的文本编码器把它们转成与视觉特征同维度的向量。这部分很好懂，就是人为设计Prompt之后给到大模型，让大模型生成异常场景描述，然后基于这个描述让AIGC生成一堆视频帧，然后把这堆视频

【代码】解决：cannot import name ‘AutoModel‘ from ‘modelscope‘