是生成模型推理时的一种操作，目的是使的生成图像与输入的text prompt更接近。

VACE模型除了支持基本的文本和图像作为控制条件输入，还支持将视频和视频mask作为输入控制。简单理解就是视频版本的ControlNet和Flux-Fill。与图片生成的结构很像，VAE encode->Diffusion->VAE decode的形式，只是多了一个时间维度(T+1, H, W, C)

安装make（机器不能获取最新版的make）需要torch>=2.5。

Wan 2.2视频生成模型在ComfyUI中的实现

大型语言模型（如 GPT 系列）在训练后，往往需要“对齐”（alignment），让它们生成更符合人类偏好的输出。比如，你问 AI 一个问题，它应该给出有帮助、礼貌的回答，而不是胡说八道或有害的内容。传统的对齐方法是 RLHF（Reinforcement Learning from Human Feedback，从人类反馈中强化学习）：Step1：收集人类反馈数据。通常是给模型一个提示（promp

VACE模型除了支持基本的文本和图像作为控制条件输入，还支持将视频和视频mask作为输入控制。简单理解就是视频版本的ControlNet和Flux-Fill。与图片生成的结构很像，VAE encode->Diffusion->VAE decode的形式，只是多了一个时间维度(T+1, H, W, C)

1. 输入要梯度，输出必须要梯度我们只能指定计算图的leaf节点的requires_grad变量来决定改变量是否记录梯度，而不能指定它们运算产生的节点的requires_grad，它们是否要梯度取决于它们的输入节点，它们的输入节点只要有一个requires_grad是True，那么它的requires_grad也是True.x = torch.randn(2, 100)x.requires_...

msys2适合开发者，因为它除了cpp开发环境，还有linux中的一些基本的命令比如mkdir/ls/rm等，此外还有一个package管理可以装很多包，因此可是更好的使用Makefile和CMake等大项目的开发工具。MinGW适合运行者和cpp初学者，里面只有基础的cpp开发环境。安装MinGW官网下载 MinGW并安装。在设置->高级系统设置->环境变量中给PATH添加上MinG

我的理解：1. tensorflow 和 spark的思想有点类似，都是lazy执行；在调用tf.Session().run(...)之前所有的操作都只是在构建Graph的过程，这期间不会执行操作;tf.Session().run(op) 调用时，op操作才会被执行。2. tf.Session().run(x)当x是operate (mul, square,trai

vs code中有三个部分的字体设置。