import selective_scan_cuda爆红，直接注释。一：不用管爆红，直接运行。不用管爆红，直接往下继续做。

​ 以下比赛一般最近一年一次，一届一届的办，不过在我们学校都不算ABC类，但在要继续走一下还是挺有用的，当然钱也比普通比赛奖励的多。特点：国内业界领头羊，研究生的天堂，只给题目和真实数据，要求从数据处理到构建网络，搭建模型等全自己解决。难度：三颗星（四颗） 拿奖简单，学生参与然后跑通多加点预训练好像就有国三，（建议学了一两年再参加）特点：最好组队参加，写博客形式，切记要系统性，有规划的写，尽量写有

​ 以下比赛一般最近一年一次，一届一届的办，不过在我们学校都不算ABC类，但在要继续走一下还是挺有用的，当然钱也比普通比赛奖励的多。特点：国内业界领头羊，研究生的天堂，只给题目和真实数据，要求从数据处理到构建网络，搭建模型等全自己解决。难度：三颗星（四颗） 拿奖简单，学生参与然后跑通多加点预训练好像就有国三，（建议学了一两年再参加）特点：最好组队参加，写博客形式，切记要系统性，有规划的写，尽量写有

​ 以下比赛一般最近一年一次，一届一届的办，不过在我们学校都不算ABC类，但在要继续走一下还是挺有用的，当然钱也比普通比赛奖励的多。特点：国内业界领头羊，研究生的天堂，只给题目和真实数据，要求从数据处理到构建网络，搭建模型等全自己解决。难度：三颗星（四颗） 拿奖简单，学生参与然后跑通多加点预训练好像就有国三，（建议学了一两年再参加）特点：最好组队参加，写博客形式，切记要系统性，有规划的写，尽量写有

在这些操作中，如果操作数的形状不同，但满足广播规则，系统会自动扩展其中一个操作数以使其与另一个操作数的形状匹配，然后执行逐元素的运算。这种机制使得在某些情况下，可以对形状不同但具有一定兼容性的张量进行操作，而无需显式地扩展张量的维度或复制数据。这样，通过广播机制，我们可以避免显式地复制数据或者扩展维度，使得逐元素操作在形状不完全匹配但满足广播规则的张量上自然进行。：如果一个张量的某个维度为1，而另

因为transformer输入为一系列的patch embedding，输出也是同样长的序列patch feature，但是最后要总结为一个类别的判断，简单方法可以用avg pool，把所有的patch feature都考虑算出image feature。其中训练的时候，class token的embedding被随机初始化并与pos embedding相加，因此从图可以看到输入transform

​ 以下比赛一般最近一年一次，一届一届的办，不过在我们学校都不算ABC类，但在要继续走一下还是挺有用的，当然钱也比普通比赛奖励的多。特点：国内业界领头羊，研究生的天堂，只给题目和真实数据，要求从数据处理到构建网络，搭建模型等全自己解决。难度：三颗星（四颗） 拿奖简单，学生参与然后跑通多加点预训练好像就有国三，（建议学了一两年再参加）特点：最好组队参加，写博客形式，切记要系统性，有规划的写，尽量写有

函数是 PyTorch 库中的一个函数，用于计算张量（Tensor）的方差（variance）。方差是衡量数据分布离散程度的一个统计量，表示各数据偏离平均数之平方和的平均数。在 PyTorch 中，函数提供了灵活的方式来计算方差，包括是否考虑无偏估计（即除以N-1而不是N，其中N是样本数量），以及是否沿着特定的维度计算方差。

论文《Unlocking the Potential of Transformers in Time Series Forecasting》提出了一种名为SAMformer的浅层轻量级Transformer模型，旨在解决传统Transformer在时间序列预测中面临的训练不稳定和泛化能力差的问题。与传统的Informer模型相比，SAMformer在多个方面进行了改进和优化。下面我将从论文的数学公

是 PyTorch 中的一个非常有用的函数，它用于返回输入张量中每个元素沿指定维度的最大k个元素及其索引。这个函数在很多场景中都非常有用，比如找到每个类别中得分最高的几个元素，或者在处理自然语言任务时选择概率最高的几个单词等。