上面这个不用修改，作用是让ssh.github.com时通过443端口建立连接。GitHub 支持通过 443 端口进行 SSH 连接，找下面这个路径的文件。C:\Users<用户名>.ssh\config。22端口用不了，换一个端口443，记事本打开，最下面加上。

比如Anaconda 的 (base) 环境，使用。看是conda还是venv环境，先给退出了。然后重新激活环境即可。

文章目录 论文拆解END 论文拆解 END

文章目录 论文拆解END 论文拆解 END

在Rome里面，每个相机轨迹点太多，直接训练太慢，所以用FPS，最远点采样，筛选出一批次最关键的行点，每个行点周围的数据一起训练，确保覆盖的均匀，训练的高效。可学习相机外参（旋转/平移）优化模型，优化相机外参就用于校准这个相机安装的误差，就是数据集，它提供的相机外参是理论值，实际相机安装的话，它有微小的偏差。RoMe 的核心，把路面表面建模成一个可以优化的蜂巢状的2D网格，，这里的蜂巢状就是三角形

BEVHeight是一个专注于路侧单目3D物体检测的开源项目，主要针对自动驾驶场景中的远距离检测需求。项目采用Rope3D和DAIR-V2X-I两个专用数据集，支持100-140米范围的车辆行人检测。核心创新包括LSS+FPN特征提取架构和高度预测网络（HeightNet），实现2D到3D的特征转换。项目提供完整的训练评估流程，包含KITTI标准化格式转换、多骨干网络配置（ResNet50/101

BEVHeight模型训练流程摘要： 训练启动：通过train_script.sh脚本设置环境变量TORCH_HOME，调用Python训练脚本并配置关键参数（AMP混合精度、batch size=2、8卡并行训练） 参数配置： 使用ResNet-101骨干网络 输入分辨率864×1536，输出BEV网格256×256 支持训练/评估模式切换（-e参数） 配置分布式训练（DDP模式）和随机种子 训

比如Anaconda 的 (base) 环境，使用。看是conda还是venv环境，先给退出了。然后重新激活环境即可。

单击"确定"返回到虚拟内存设置置窗口,启用页面文件,然后将大小设置为大于1MB的值;的1.5~2倍，最大大小设置为 2~3倍，并且确保当前的磁盘（这里指C盘空间应当大于设置的最大值），数值需要自己计算（单位注意MB）Windows 11 ，最近工作的时候突然电脑卡死，并且鼠标也无法移动，这种情况在开启野兽模式的时候最为明显。这里提供的命令是 Windows 系统中用于修复和检查系统文件的工具，我把