在去燥生成图像的过程中（扩散模型的逆向过程中），每一步生成的图像都要分类器得到一个分类分数，然后计算这个分数和目标类别的交叉熵损失梯度，然后用这个梯度引导下一步扩散模型过程中的生成的采样。可以找到图像和某些文本（例如标题）的嵌入的余弦相似度，可以确定文本与图像的相关性。该模型输出 64 x 64 图像，因此他们训练了一个上采样模型，该模型也以文本输入为条件，以生成大小为 256 x 256 的最终

记录pointcontrast的心里路程，从配环境开始遇到的各种问题。

机器学习分类器——案例（opencv sklearn svm ann）训练多分类器，提取细胞核特征，进行预测。

linux部署stable diffusion

机器学习分类器——案例（opencv sklearn svm ann）训练多分类器，提取细胞核特征，进行预测。

总结原因还是版本不一致的问题，参考的博客https://blog.csdn.net/weixin_45144684/article/details/132525431。最后在这个链接里面https://anaconda.org/nvidia/cuda-toolkit成果安装11.5的粗大tookit就成功了，安装这个的时候一直报错。最后附上所有包的版本。

使用mathtype的方法对大写字母I进行空心化，不用mathtype的方法可以使用插入符号。

计算机视觉图片标注工具labelme

scanne数据集下载，做分割任务用

scanne数据集下载，做分割任务用