Fuxiao___的博客

原创 【文献】Time-series land cover change detection using deep learning-based temporal semantic segmentation

城市可持续发展过程伴随着频繁而复杂的土地覆盖变化，明确准确的土地覆盖变化信息可以为城市管理提供科学数据。为了在准确的时空尺度上表征城市发展，变化检测模型不仅需要提供变化的准确位置（Where）和时间（When），还需要提供变化类型（What）的语义信息。因此，本研究提出了一种深度学习的时态语义分割变化检测（TSSCD）方法，该方法可以同时获取变化的地点、时间和内容信息。TSSCD模型通过学习从光谱信息到土地覆盖类型的逐月映射，弥合了遥感时间序列突变与土地覆盖变化之间的语义鸿沟。

原创 OpenVLA-OFT+ 在真实世界 ALOHA 机器人任务中的应用

评估注意：与 LIBERO 评估设置不同，这里我们使用服务器 - 客户端接口。如果用户用于控制机器人的机器无法访问具有足够规格的本地 GPU 来运行微调后的 VLA 策略，这将特别有用。训练。

原创 RoboTwin 2.0测试OpenVLA记录

RLDS 数据集是 Openvla-oft 训练所需的数据格式,执行bash preprocess_aloha.sh之前需要修改New-RoboTwin/RoboTwin/policy/openvla-oft/preprocess_aloha.sh里面的{--dataset_path}和{--instruction_dir}。的 transform，无需修改。OpenVLA-OFT 需要知道。成功，TFDS 就已经注册了。💡 实际上，只要你运行。数据集，训练时直接用。

原创 RoboTwin2.0 Openvla-oft 使用指南

RoboTwin 对应的 Openvla-oft conda 环境，与 ALOHA 部分的官方 Openvla-oft 环境完全一致。请按照 Openvla-oft 官方文档安装环境，并直接覆盖 RoboTwin 环境。：若在 diffusers 库使用中遇到问题，尝试执行安装指定版本。

原创 RoboTwin 数据收集-翻译

我们在开源发布的 RoboTwin 数据集中提供了超过 10 万条预收集的轨迹。但由于任务和实体设置具有高度可配置性和多样性，我们强烈建议用户自行进行数据收集。运行以下命令，将首先为目标收集数量搜索随机种子，然后回放该种子以收集数据。数据收集前，请查看常见问题。我们强烈建议避免使用 A/H/V 系列 GPU 进行数据收集和策略评估。数据收集前，请查看常见问题 #3（数据收集和评估时卡住）。我们强烈建议避免使用 A-、H- 或 V- 系列 GPU 进行数据收集和策略评估。

原创 RoboTwin 数据采集使用指南

作为开源项目 RoboTwin 数据集的一部分，我们已提供超过 10 万条预先采集的轨迹数据。但由于任务和机器人实体设置具备高度可配置性与多样性，强烈建议用户自行进行数据采集。运行指定命令后，系统将先为目标采集数量搜索随机种子，再通过复现该种子完成数据采集。参数名称参数标识说明任务名称task_name指定待采集数据的任务类型，所有可用任务名称可在官方文档中查询。GPU 编号gpu_id指定数据采集使用的 GPU 设备，取值范围为 0 到 N-1（N 为系统可用 GPU 总数）。

原创 RoboTwin 2.0 测试DexVLA模型记录

Train_Tiny_DexVLA_train.yml 文件有改动，由于版本冲突以及依赖包等问题，删除了以下这些包：（后面需要单独安装flash-attn==2.7.4.post1 ）第二个改动是由于文件路径报错（原代码读取的是形如episode_0的文件夹，而/RoboTwin文件夹下的data文件夹中，数据存在）。不能保证改动是否正确（真的不确定），对DexVLA文件夹下的process_data.py文件做了以下改动。

原创 RoboTwin 2.0 测试ACT模型记录

如上图，首先完成了第一步的安装。

原创 编程刷题-动态规划类型

一个整数总可以拆分为2的幂的和，例如： 7=1+2+4 7=1+2+2+2 7=1+1+1+4 7=1+1+1+2+2 7=1+1+1+1+1+2 7=1+1+1+1+1+1+1 总共有六种不同的拆分方式。再比如：4可以拆分成：4 = 4，4 = 1 + 1 + 1 + 1，4 = 2 + 2，4=1+1+2。用f(n)表示n的不同拆分的种数，例如f(7)=6. 要求编写程序，读入n(不超过1000000)，输出f(n)%1000000000。

原创 编程刷题-基础题型

输入n个整数,依次输出每个数的约数的个数。

原创 编程刷题-KY3 代理服务器 贪心法

第 n + 3 行至第 n + m + 2 行每行是一个字符串，表示要访问的服务器的 IP 地址，按照访问的顺序给出。在这样的条件下，找到一种使用代理服务器的方案，使得代理服务器切换的次数尽可能得少。然后依次读入需要访问的服务器，读入一个地址后判断是否存在在代理服务中，如果存在，将该地址的代理使用权限标记为false，并判断是否全部的代理都标记false，如果全部都被标记false，那说明，这是离上次变更最远的了，必须进行变更代理服务器了，然后重置代理map，并标记当前的代理为false。

原创 编程刷题-成绩排序 稳定排序/自定义排序

查找和排序题目：输入任意（用户，成绩）序列，可以获得成绩从高到低或从低到高的排列,相同成绩都按先录入排列在前的规则处理。示例：从高到低 成绩从低到高。

原创 编程刷题-P1746 离开中山路 BFS/最短路径

爱与愁的故事第三弹·shopping》最终章。

原创 编程刷题-染色题DFS

由数字0组成的方阵中，有一任意形状的由数字1构成的闭合圈。现要求把闭合圈内的所有空间都填写成2。6×6的方阵（n6），涂色前和涂色后的方阵如下：如果从某个0出发，只向上下左右4个方向移动且仅经过其他0的情况下，无法到达方阵的边界，就认为这个0。闭合圈不一定是环形的，可以是任意形状，但保证的0是连通的（两两之间可以相互到达）。

原创 编程刷题-P1460 [USACO2.1] 健康的荷斯坦奶牛 Healthy Holsteins DFS/回溯

已选 {1,2} 再选 3 号 → 已选{1,2,3}总量：满足！此时 s = 3，minn 更新为 3，答案数组 ans = {1,2,3}。但搜索还没完，DFS 会继续尝试其它可能更优的解。继续搜索路径 B 中“选 2 号”那条路：已选{2}，再选 3 号 → {2,3}总量：满足！此时 s=2 < 3，于是 minn 更新为 2，答案数组 ans = {2,3}（由于按编号顺序选，天然就是升序）。

原创 编程刷题-求细胞数量 DFS

一矩形阵列由数字0到9组成，数字1到9代表细胞，细胞的定义为沿细胞数字上下左右若还是细胞数字则为同一细胞，求给定矩形阵列的细胞个数。

原创 编程刷题-KY10 二叉树遍历

编一个程序，读入用户输入的一串先序遍历字符串，根据此字符串建立一个二叉树（以指针方式存储）。例如如下的先序遍历字符串： ABC##DE#G##F### 其中“#”表示的是空格，空格字符代表空树。建立起此二叉树以后，再对二叉树进行中序遍历，输出遍历结果。

原创 编程刷题-海战 图论/DFS

在峰会期间，武装部队得处于高度戒备。警察将监视每一条大街，军队将保卫建筑物，领空将布满了 F-2003 飞机。此外，巡洋船只和舰队将被派去保护海岸线。不幸的是，因为种种原因，国防海军部仅有很少的几位军官能指挥大型海战。因此，他们培养了一些新海军指挥官。军官们选择了“海战”游戏来帮助他们学习。

原创 编程刷题-资料分发1 图论/DFS

有一些电脑，一部分电脑有双向数据线连接。如果一个电脑得到数据，它可以传送到的电脑都可以得到数据。现在，你有这个数据，问你至少将其输入几台电脑，才能使所有电脑得到数据。

原创 CVPR 2025:《MLLM-as-a-Judge for Image Safety without Human Labeling》论文研读PPT

原创 CSP认证准备第四天-BFS（双端BFS/0-1BFS）和DFS

add_front：将状态添加到队列前端（用于不增加代价的移动）add_back：将状态添加到队列后端（用于增加代价的移动）：处理0-1权重图的最短路径问题，0代价的操作放队首，1代价的操作放队尾。：使用三维数组记录到达位置(x,y)时方向为dir的最小代价。：从终点开始搜索到起点，与正向搜索等价但实现上更方便。这道题让我疑惑的就是方向，注意这里的坐标原点为左上角，所以如果x不变，y-1，是往左移动的。不要受x、y命名的影响,这里x就是行，y就是列，行号不变，列号减小就是往左移动。

原创 CSP认证准备第三天-差分及第36次CCF认证（BFS）

文章主要介绍了两种常用算法：差分数组和广度优先搜索（BFS）。差分数组通过记录原数组相邻元素的差值，将区间加减操作转化为单点操作，从而优化时间复杂度。文章通过例题展示了如何利用差分数组高效处理区间更新问题。BFS则是一种图搜索算法，用于寻找从起点到目标点的最短路径。文章详细描述了BFS的基本原理和实现过程，并通过走迷宫和密室问题两个例题展示了BFS的应用。最后，文章还提到了链式前向星作为图的存储方式，并提供了BFS的模板代码。

原创 CSP认证准备第二天-第36/37次CCF认证

主要是间接赋值比较难。自己编写的代码如下，但是有问题，没有解决间接赋值的问题，可以参考一下deepseek的回答。但是deepseek给的代码运行起来也有问题，我就没再继续研究下去了。开始做有题解的题目吧。

原创 CSP认证准备第一天-第37次CCF认证

dp[i]：当背包容量为 i 时，能获得的最大价值。

原创 伪分布式Spark3.4.4安装

我的版本：hadoop 3.1.3 hbase 2.2.2 java openjdk version "1.8.0_432"

原创 【软件工程】-用例图、状态图、活动图

原创 IDM下载链接分享

链接：https://pan.baidu.com/s/18Ox04Ig-kj6DVpiap4ZsZQ?通过百度网盘分享的文件：Internet Download Manager v6.36 Bui...里面有教程，不要更新！

原创 不使用递归的决策树生成算法

不使用递归，利用MaxthHigh控制树的最大生成高度，利用队列实现的的决策树生成算法

原创 【超详细！】手写笔记-BP神经网络原理

BP神经网络笔记，手写版超详细

原创 【决策树】- 二分法处理连续值

在决策树算法中，处理连续特征通常采用二分法，将其转化为离散特征。此方法通过寻找最佳分割点，将连续特征划分为两个区间。

原创 Python下载CMIP6数据-记载自用

Python下载CMIP6数据（从sh文件提取url，利用url下载nc文件，支持跳过已下载的文件，支持续下）

原创 【码题集题目】异或和

码题集题目：异或和

原创 【码题集题目】四柱河内塔

码题集题目：河内塔问题

原创 【码题集题目】抽奖

小码哥计划抽n 次，问亏本的概率是多少(即得到的奖金小于本金)，小码哥赚了超过一半本金的概率是多少（赚到的钱是奖金-本金后的部分)?小码哥在集市上逛街，遇见了抽奖活动，抽一次2元，但是可能会抽出1，2，3，4四种情况，他们是等概率的。注：本题解题思路来源b站up主：轩哥码题，有需要可跳转B站看up详细讲解。第二行输出赚超过一半本金的概率。概率用最简分数表示，具体看样例。（2）dp[i-1][j-k]要注意i也要减一，表示上一次抽奖！输入格式:输入n表示小码哥连抽的次数。输出格式:第一行输出亏的概率;

原创 迷宫-码题集

迷宫-码题集

原创 【洛谷刷题】P3367 【模板】并查集

做题记录

转载 Data Imbalance, Uncertainty Quantification, and Generalization via Transfer Learning in Data-driven

讨论了神经网络在天气和气候模型中的数据驱动子网格参数化中的应用，并指出了三个挑战：数据不平衡、不确定性量化和泛化到其他气候的能力。通过使用重采样和加权损失函数等方法，文章成功地解决了数据不平衡问题，并展示了三种不确定性量化方法。最后，文章还通过迁移学习提高了神经网络在较温暖气候下的泛化能力。总之，该研究为开发可靠且通用的数据驱动参数化提供了重要见解。

原创 跟着沐神学深度学习DAY4

（1）分类有多个输出，输出i代表预测为第i类的置信度（2）对类别进行有效编码：如果为第i类的话，那么yi就为1，其他为0。！这里的y代表真实值,对真实情况进行编码（3）o_i是预测其他类的输出，o_y是预测正确类的输出。注意o为输出而y才是概率。（4）将输出的o值转化成概率，并且非负以及和为1。（5）交叉熵计算公式：（6）由于y（真实值）中只有一个为1，而其他的均为0，故交叉熵公式可以化简。就是对真实值类别的预测值求log然后取负数。（本节笔记摘自评论区）

原创 跟着沐神学深度学习DAY3

w = torch.normal(0, 0.01, size=(2,1), requires_grad=True) #两行的列向量b = torch.zeros(1, requires_grad=True) # 标量"""线性回归模型"""return torch.matmul(X, w) + b #广播机制划重点： 需要w,b 进行更新，所以才将requires_grad设置为True广播机制： 当我们用一个向量加一个标量时，标量会被加到向量的每个分量上。

原创 跟着沐神学深度学习DAY2

（4）一般不用向量对向量求导（结果为矩阵），利用sum()函数将y求和得到一个标量，然后再对x向量求导。这里，我们的目的不是计算微分矩阵，而是单独计算批量中每个样本的偏导数之和。（6） 即使构建函数的计算图需要通过Python控制流（例如，条件、循环或任意函数调用），我们仍然可以计算得到的变量的梯度。而且看反向这个树，下一层的结点的求导必须要依赖上一层的求导结果，例如对a求导时，要知道z对b求导的结果。计算反向时，要利用到正向中的结果，所以计算正向时要将结果保存下来。的梯度，但由于某种原因，希望将。