因为只是warning，所以一开始也没在意，但是后面查看生成的超分影像时，发现是全黑的，并没有写入影像信息，这时候看debug窗口，发现warning的内容变成ERROR了，程序直接卡在了那一步，真的是逗着玩呢！但是我这是个小软件，还是要到不同的电脑上使用的，肯定没法写死绝对路径，于是就想到使用相对路径。添加图片注释，不超过 140 字（可选）添加图片注释，不超过 140 字（可选）添加图片注释，

本文主要介绍windows10使用WSL安装Ubuntu系统，然后通过安装anaconda3来部署chatgpt学术版的整个过程。Chatgpt学术版用来做论文润色等任务还是挺不错的，但是是否有泄露风险就需要自己斟酌了。希望能够对想使用的同学有所参考。

感觉以后的编程门槛真的变了，不是比谁手速快，是比谁会指挥 AI 干活。还没体验的家人们赶紧去试试，绝对打开新世界的大门！它能直接读取你的本地文件，理解整个项目的架构。你只需在命令行说：“帮我把这个 Bug 修了”，它自己查文件、改代码、保存。，如果报错了，它自己读报错信息，自己再修，直到跑通为止！它不再需要你把代码复制出来，发给网页版 Claude，改完再复制回去。脑子巨好使，逻辑推理能力目前是顶

感觉以后的编程门槛真的变了，不是比谁手速快，是比谁会指挥 AI 干活。还没体验的家人们赶紧去试试，绝对打开新世界的大门！它能直接读取你的本地文件，理解整个项目的架构。你只需在命令行说：“帮我把这个 Bug 修了”，它自己查文件、改代码、保存。，如果报错了，它自己读报错信息，自己再修，直到跑通为止！它不再需要你把代码复制出来，发给网页版 Claude，改完再复制回去。脑子巨好使，逻辑推理能力目前是顶

StableSR模型出自论文《Exploiting Diffusion Prior for Real-World Image Super-Resolution》，使用做自然界真实影像的。其数据增强部分参考，因此该模型也可以算是盲超分领域。文章的具体原理可以看论文详细了解，本篇主要介绍模型的训练过程。

StableSR模型出自论文《Exploiting Diffusion Prior for Real-World Image Super-Resolution》，使用做自然界真实影像的。其数据增强部分参考，因此该模型也可以算是盲超分领域。文章的具体原理可以看论文详细了解，本篇主要介绍模型的训练过程。

最近被临时通知要参加个遥感目标检测竞赛，涉及的是旋转目标检测，试了几个方案，发现环境要求都是CUDA10.1或者10.2，pytorch版本也比较低，因为自己已经赔了高版本的CUDA11.7，也不想在装个低版本CUDA或者使用Docker环境，就强行在pytorch1.13和CUDA11.7环境中进行编译，将其中遇到的问题进行一下总结，给后续有相同需求的朋友一点参考，最后是可以编译成功的。