本文看了和，本人根据它们部署了一遍，中间遇到一些报错，但根据报错提示解决了问题，最后部署成功，这里主要作为笔记用。

Ollama 是一个开源的大型语言模型（LLM）服务工具，旨在简化在本地机器上部署和运行大型语言模型的过程。本地部署：Ollama 允许用户在本地机器上部署和运行大型语言模型，无需依赖外部服务器或云服务。这使得用户可以在私有环境中使用强大的语言模型功能，保护数据隐私和安全性.简化部署过程：通过提供一键安装和配置的脚本，Ollama 大幅简化了在 Docker 容器中部署大型语言模型的过程。用户只需

本文看了知乎的文章，这篇文章写的很详细，可能是我的SDW版本升级了，有的地方和这篇文章的不同，所以内容有部分的改动，但最后还是可以正常训练了，这里作为笔记用。如果要更全面了解Stable Diffusion WebUI 的使用，建议大家看上面那篇知乎的文章，文章写的很全，包括文生图、图生图的细节及模型训练、模型合并的细节，都讲的很详细。

本文看了博客，该博客写的很详细，安装该博客操作时在我的电脑上报错时做了细微的代码变化，这里作为笔记用。

在【附加依赖项】中添加D:\libtorch-win-shared-with-deps-1.8.0+cu111\libtorch\lib文件夹下所有的 *.lib文件。（查看环境变量改变CUDA_PATH_V11_7，v11_7指的安装的。完成上述配置后，在计算机【环境变量–系统变量】中添加。的博客，作为笔记用。首先，创建一个新的项目和一个新的cpp文件。的博客，作为笔记用，本人搭建后可以运行。打

trunc_normal是截断正态分布，用来初始化权重张量（用截断正态分布填充张量，a是下限，b是上限，mean是均值,正态分布的标准差,tensor要初始化的张量）。# 1.截断正态分布，用来初始化权重张量（用截断正态分布填充张量，a是下限，b是上限，mean是均值,正态分布的标准差,tensor要初始化的张量）运行结果如下：显然，该模块建立了一个3X3的tensor张量，且填充的数据符合均值为

点云分割常见算法有欧式聚类、欧式聚类的变种、超体素分割算法和其变种、GrabCut GrabCut算法、随机行走分割算法、随机抽样算法、区域生长算法等。下面分别介绍几种常见的分割算法。

其实，我们就是要制作这种数据集作为训练的数据集。表示没有测到目标，这里需要作具体的修改。这就是训练用的图片。在第一个文件夹进入test文件夹如下,至此，训练和测试的大概步骤就完成了。再进入train文件夹有。进入train文件夹有。

down_image_saves=os.path.join(img_save,item)#保存下采样图片的路径。image_path=os.path.join(img_path,item)#图片的具体路径。# 修改矩阵的维度：1080X1920X3------>1X3X1080X1920。# 修改矩阵维数：1X3X270X480---->270X480X3。#批量图片的下采样：输入图片的文件夹路径

本文参考了其他一些博客，在这里作了一个汇总，参考最多的是博客、博客和博客，也看了其他博客，在这里不详细的说了，作为笔记用。