ANN ( ˶˙⚇˙˶ )୨⚑︎-优快云博客

原创借助GitHub进行团队协作小组作业

本文介绍了Git协作开发的基本流程。主要内容包括：1) Git安装方法；2) 通过fork创建项目副本并配置本地仓库；3) 强调开发规范：不在主分支直接开发，需创建功能分支并规范命名；4) 代码提交规范及推送流程；5) 创建Pull Request提交团队审核；6) 同步主仓库更新的方法。文章提供了详细的命令行操作步骤和分支命名建议，适合团队协作开发参考。

2025-11-27 11:45:54 518

原创解决问题： Git 仓库中存在太多活动更改，将仅启用部分 Git 功能。是否要将“node_modules”添加到 .gitignore?

VS Code检测到项目中有大量未跟踪文件（如node_modules/、dist/等）时发出的警告。正确做法是立即将这些文件夹加入.gitignore，切勿提交node_modules等自动生成的文件，因为它们会导致Git操作变慢、仓库体积爆炸等问题。解决步骤：1)确认当前是Git仓库；2)创建/更新.gitignore文件；3)若已暂存则使用git rm -r --cached移除缓存；4)重新添加并提交。最佳实践建议永远不要提交node_modules，并在首次git add前配置好.gitignor

2025-11-25 22:23:46 452

原创通过终端下载百度网盘数据集到服务器上【aria2加速】

摘要：本文介绍两种通过终端直接下载百度网盘数据集的方法。一是使用bypy命令行工具，需将文件移至网盘特定目录后下载；二是结合aria2实现多线程加速，但实测发现下载速度仍受账号会员限制。关键步骤包括：安装bypy并授权、移动文件至"/apps/bypy/"目录、使用aria2分线程下载（如bypy --downloader aria2 --downloader-arguments="-s 16 -x 16" download）。最终实测表明，非会员账号下载速度提升有限

2025-11-24 23:29:02 34

原创 VSCode SSH免密连接主机 GitHub添加SSH密钥

摘要：本文详细介绍如何通过VSCode的Remote-SSH扩展连接远程服务器，并配置GitHub的SSH密钥实现高效开发。首先安装Remote-SSH插件，通过SSH命令连接服务器；然后在远程主机生成SSH密钥对，将公钥添加到GitHub账户，实现免密拉取/推送代码。这一方案能提升开发效率，尤其适合多设备协作场景，同时增强安全性。教程涵盖从连接到密钥配置的全流程，帮助开发者快速搭建远程开发环境。

2025-11-17 14:21:44 996

原创【学习笔记】DiffFNO: Diffusion Fourier Neural Operator

DiffFNO是一种创新的图像超分辨率方法，结合了加权傅里叶神经算子(WFNO)和扩散模型的优势。其核心技术亮点包括：1)保留全频段信息并学习频率权重的WFNO；2)并行注意力神经算子捕捉空间细节；3)自适应ODE求解器大幅减少扩散步数。通过门控融合机制，模型能自适应地结合频谱和空间特征。不同于传统方法，DiffFNO将图像视为连续函数，支持任意尺度超分辨率。实验表明，该方法在保持计算效率的同时，显著提升了高频细节的重建质量。

2025-11-15 23:20:09 841

原创【学习笔记】神经算子（Neural Operators）

神经算子是一类专门学习函数空间之间映射关系的深度学习架构。G: A → UA和U都是无限维函数空间对于任意输入函数a(x) ∈ A，神经算子学习映射G使其输出对应的目标函数分辨率无关：真正实现"训练一次，处处使用"物理一致性：保持底层物理规律的数学结构计算效率：推理速度比传统数值方法快数个数量级泛化能力强：对未见过的输入配置具有良好的预测能力多尺度建模：自然处理多尺度物理现象神经算子代表了科学机器学习的重要发展方向，为连接深度学习与物理建模提供了强有力的数学框架和实用工具。

2025-11-09 15:23:46 238

原创【学习笔记】Demosaicking相关概念

文章摘要：CFA（彩色滤波阵列）通过拜耳阵列让每个像素采集单一颜色通道，再通过插值算法还原全彩图像。图像傅里叶变换将图像从空间域转换到频率域，区分低频（平滑区域）和高频（细节边缘）成分。奈奎斯特频率决定了采样频率上限，高频信号超出该值会产生混叠失真。模型蒸馏技术让学生模型学习教师模型的软标签输出，在保持精度的同时减小模型规模。

2025-10-17 21:21:19 863

原创【学习笔记】Upscale-A-Video: Temporal-Consistent Diffusion Model for Real-World Video Super-Resolution

本研究提出Upscale-A-Video框架，通过文本引导的潜变量扩散模型实现视频超分辨率。针对扩散模型随机性导致的帧间不一致问题，采用局部和全局双机制：局部通过时间层增强短视频段一致性；全局使用无训练的流引导循环潜变量传播，确保长视频稳定性。实验表明，该方法在保真度、时间一致性及生成可控性上均优于现有技术，支持通过文本提示和噪声调节灵活控制输出效果。

2025-10-13 16:02:10 705

原创【学习笔记】Uncertainty-guided Perturbation for Image Super-Resolution Diffusion Model

摘要：论文提出UPSR方法，通过不确定性引导的噪声加权机制改进扩散模型在超分辨率任务中的应用。研究发现不同图像区域需要不同噪声强度：平坦区域需小噪声保持保真度，纹理区域需大噪声增强细节生成。方法利用重建残差估计区域不确定性，设计自适应噪声权重矩阵，在扩散过程中实现区域差异化处理。同时优化网络结构，用PixelUnshuffle替代VQGAN提升效率。实验表明该方法能在保持保真度的同时显著提升感知质量。

2025-10-06 01:18:53 873

原创【Zotero】翻译服务DeepL Pro获取密钥

本文介绍了DeepL翻译API的注册使用流程

2025-10-04 12:38:34 717

原创【学习笔记】扩散模型&图像超分相关概念

本文介绍了超分辨率任务（SR）及相关概念。SR旨在从低分辨率图像（LR）恢复高分辨率图像（HR），分为传统SR和真实世界SR。重点阐述了扩散模型（LDM）等生成模型的工作原理，包括高斯噪声的作用、VAE编码器-解码器结构等。同时解释了视频超分中的时间一致性和光流概念。文章还对比了PSNR、SSIM、LPIPS等图像质量评估指标的特性，并介绍了LIIF任意分辨率生成方法和MLPs神经网络结构。最后通过表格对比了ε-prediction和v-prediction两种扩散模型参数化策略的差异。

2025-09-24 19:06:13 1075

原创 ArcGIS/GeoScene Pro 如何用Python实现？【例：批量点转栅格并裁剪】

本文介绍了在ArcGIS/GeoScene Pro内置Python环境中使用arcpy库批量处理表格数据并生成栅格的流程。通过配置输入表格文件夹、掩膜边界和输出目录，脚本自动读取Excel文件中的XY坐标和多列数据，逐列生成栅格并进行裁剪。核心步骤包括：数据有效性检查、临时点要素创建、点转栅格及按掩膜提取。采用VSCode配置内置Python环境（如arcgispro-py3）确保依赖兼容性，显著提升了多文件批量处理的效率，避免了人工操作的重复与错误。

2025-09-19 23:10:21 671

原创 win11装WSL2后安装cuda/cudnn/anaconda3/换源/pytorch/vscode远程·教程记录

但我没有图形化界面，所以有些命令有出入，在此写成新文章。部分内容复制自上述教程，若有侵权请联系我删除❤接后续配置注意以下设计文件路径可能包含用户名，需换成各位Ubuntu的实际用户名（也就是安装Ubuntu时让你输入的用户名密码那里的用户名）

2025-09-04 16:08:50 1083

原创 win11装WSL2，移动至D盘实操记录（移动硬盘被劝退版）

本来想要将WSL2移到移动硬盘上，但是第一次尝试失败了，后来技术人员说移到移动硬盘非常容易出问题，于是就只是移到D盘。

2025-08-31 20:18:43 1806

原创卸载流氓软件sangfor文件

摘要：EasyConnect卸载后常残留深信服组件，需手动清理。主要步骤包括：1) 结束相关进程；2) 控制面板卸载软件；3) 禁用服务；4) 删除注册表项；5) 查找并删除残余文件（可用工具粉碎顽固文件）；6) 重启检查。若遇文件占用，可先运行内部卸载程序或结束关联进程再删除。完整清理后需确认无残留进程或服务。（148字）注：摘要严格控制在150字内，提炼了核心步骤和关键技巧，省略了具体路径等细节（读者可查阅原文），保留了解决问题的逻辑脉络和实用建议。

2025-08-29 15:49:04 4450

原创使用移动硬盘安装 Ubuntu 记录——实现 Ubuntu 与 Windows 双系统

Ubuntu 是一个的自由开源操作系统，以稳定、安全和易用著称。它拥有丰富的软件生态，用户可以免费获取办公、编程、科研和日常使用所需的应用，同时具有较高的安全性和可定制性。与 Windows 相比，。在个人电脑上安装 Ubuntu 与 Windows 双系统具有明显的优势。首先，双系统能够兼顾不同使用需求：Windows 在游戏、商业软件和日常办公方面兼容性好，而 Ubuntu 在编程开发、科研计算以及系统安全性方面具有独特优势。其次，双系统提供了更高的灵活性，用户可以根据任务自由切换系统，从而提高效率。

2025-08-28 23:35:15 1246

2403_84639931的博客