而且还要在这里激活虚拟环境，那为什么起初选python解释器的时候还要选对应虚拟环境中的python解释器呢？但是由于连接的是登录节点，不是计算节点，所以这里运行其实是在登录节点上运行的。就可以看到远程主机的文件内容了（在这里你还可以进行文件的删除添加等操作）然后下面那个同步文件夹，就是为了方便本地和服务器的文件同步的。文件->设置->python解释器->添加解释器->基于SSH。（1）这里的从

所以下载anaconda来实现虚拟环境的创建（可以理解为一山不容二虎，利用anaconda把老虎隔离起来，一个虚拟环境的创建相当于一座房子，老虎在房子里，让不同老虎之间看不到）一个是刚刚安装好的Anaconda自带一个基础环境base，另一个是刚刚创建的虚拟环境pytorch（这个环境的名称叫pytorch，其实起什么名字都可以，例如下图）看下面这个安装就行，我就是看这个下的，期间也遇到了些问题，

其中nvcc是CUDA的编译器，它可以将CUDA代码（即包含GPU加速部分的代码）编译成能够在NVIDIA GPU上执行的二进制代码。cuDNN：是NVIDIA为深度学习和神经网络训练优化的库，基于CUDA开发，提供了一些高度优化的运算库，特别适用于深度学习中的卷积操作。nvcc：是CUDA的编译器，用于将CUDA代码编译成可在GPU上执行的代码。CUDA Toolkit：是开发者在CUDA平台上

目录Samba: A Unified Mamba-based Framework for General Salient Object DetectionSelf-supervised ControlNet with Spatio-Temporal Mamba for Real-world Video Super-resolutionExploiting Temporal State Space

与clinical trial和drug discovery相关的文章。llm agent综述文章。

commands-conda documentationIf you have used pip and virtualenv in the past, you can use conda to perform all of the same operations. Pip is a package manager and virtualenv is an environment manager.

说No such file or directory: '/data2/guohang/dataset/ARTSR/Set5/LR_bicubic/X2'我一看后面的地是测试数据集的地址，前面的地址不知道啥。我打开了这个配置文件，并把它里面的地址改成了我电脑上数据集相应的地址。模型的当前结构与预训练权重文件中的结构不匹配，导致无法正确加载权重。中，可能指定了一个错误的或不可访问的数据集路径。找到对

针对深度学习优化的加速库，提供高效实现（如卷积、池化、LSTM）每个cuDNN版本需匹配特定的CUDA Toolkit版本。

本文提出了一种名为MambaIRv2的图像恢复模型，该模型通过引入类似于视觉变换器（vision transformers (ViTs)）的非因果建模能力，即引入注意力机制，允许模型在单次扫描中关注整个图像，解决了Mamba模型在图像恢复任务中因因果建模限制而无法充分利用图像像素的问题。

（应该是随机种子固定了，所以每一GPU每一epoch得到的数据分片都是固定的，从而需要知道当前的epoch，避免看到重复的数据切片）本文主要用于自用，（这篇主要是train部分的），记录了一些我看代码的过程以及理解。，它的作用是创建一个自定义的分布式采样器，确保多GPU训练时数据的高效分配和潜在的数据集增强。实现端到端的训练流程，包括配置解析、环境初始化、数据加载、模型训练、验证和日志记录。从而实