内存分配不足：需要160MB，，但GPU只剩下135.31MB，

当我们在Github上下载一篇论文的代码后，我们如何在自己的数据集上进行复现呢？这是在百度爬的十分类的服装数据集，其中train文件夹下每类大概300张，val文件夹下每类大概100张，总共在4000张左右。

Tip-Adapter通过一个键值缓存模型从几张照片的训练集中构建适配器，并通过特征检索更新CLIP中编码的先验知识。此外，在此基础上，通过对缓存模型的微调，Tip-Adapter的性能可以进一步提升到ImageNet上的最先进水平，比现有的方法少10倍的epochs，这既有效又高效。.........

在使用URL下载或跑模型的时候，报错urllib.error.URLError: URL访问问题，可能是是浏览器的问题，也可能是是URL。1.关闭VPN，报错消失。

之后我们通过Xshell连接这个远程服务器，主机端口就是你开的服务器的共有ip地址，密码就是上面修改过后的密码，用户名是root，端口号默认22。按照下图指示选择（其中预装应用Lamp可选可不选，后期可以在宝塔面板自定义安装）之后重置实例密码（后续Xshell连接会用到），重启生效。之后点击用户身份验证，输入用户名，密码，连接成功。在浏览器输入外网地址，在弹框中输入用户名和密码。进入阿里云官网，打

CLIP使用的预训练方法：预测哪个标题与哪个图片相配这一简单的预训练任务是一种高效且可扩展的方式，可以在从互联网上收集的4亿对（图片、文本）数据集上从头开始学习SOTA图片表征。在预训练之后，自然语言被用来引用所学的视觉概念（或描述新的概念），使模型能够zero-shot地转移到下游任务中。......

DALL·E 2 这个模型的任务很简单：输入文本text，生成与文本高度对应的图片。它主要包括三个部分：CLIP，先验模块prior和img decoder。其中CLIP又包含text encoder和img encoder。（在看DALL·E 2之前强烈建议先搞懂CLIP模型的训练和运作机制）

PixelCNN 是一种深度神经网络，它在其参数中捕获像素之间的依赖关系分布。 它沿两个空间维度在图像中一次顺序生成一个像素。

无论是在为了跑深度学习模型而准备数据集，还是其他的一些用途，相信大家都会遇到一个问题：我所需要的图片分布在很多不同的文件夹下，但我不需要这么多文件夹，那么我如果要使用这些图片的话，就需要把这些文件夹下的图片一个个提取出来，然后再放到新建的文件夹下，有时如果文件夹下的图片是按照顺序命名的，比如001.jpg......089.jpg等等，那么将他们放到一个文件夹下还面临文件名重复需要重命名的问题。（

从零一步步实现源代码的运行