- 博客(22)
- 收藏
- 关注
RSS订阅原创 [保姆级教程] Windows下使用 VS2022 + CUDA 11.6 编译运行 DINO (Deformable DETR) 全踩坑记录
如果你的电脑允许，强烈建议直接安装 Visual Studio 2019。VS2019 与 CUDA 11.x 系列原生兼容，可以省去本文前 50% 的折腾时间。本文适用对象必须使用的用户。需要编译 PyTorch 自定义 CUDA 算子 () 的用户。在 Windows 上运行分布式训练代码（）遇到报错的用户。核心环境OSIDECUDA: 11.6 (对应 PyTorch 1.13.x)Project强行兼容。
2025-12-25 22:35:22
899
原创 [踩坑记录] Windows下编译 DINO/PyTorch CUDA 扩展：强烈推荐 VS2019，附 VS2022 硬核填坑指南
在 Windows 上配置深度学习环境，工具链的版本匹配至关重要。首选：VS2019 + CUDA 11.6（原生支持，无痛）。次选：VS2022 + CUDA 11.6（需修改 host_config.h 和 yvals_core.h）。希望这篇避坑指南能帮你节省几天的时间！(原创文章，转载请注明出处)
2025-12-25 22:03:25
554
原创 Windows 本地配置 SSH 免密登录完全指南（含 nano 未安装解决方法）#
在使用 VS Code 或终端连接 AutoDL 等远程服务器时，每次都需要输入密码非常繁琐。很多同学想直接在配置文件中写入Password字段，但实际上。业界标准的做法是使用进行认证。本文将介绍在 Windows 环境下，如何手动配置 SSH 免密登录，并解决服务器没有nano编辑器的问题。
2025-12-17 02:12:18
511
原创 DINO 目标检测模型环境部署教程 (避坑指南：Python 3.7 + PyTorch 1.12)
最近在 AutoDL 云服务器上复现 DINO (DETR with Improved DeNoising Anchor Boxes) 模型，官方教程比较久远，在实际部署过程中踩了不少坑（内存溢出、网络超时、版本不兼容、CUDA 编译报错等）。经过多次尝试，总结出了一套最稳、最快的安装流程。本教程基于环境，完美解决所有兼容性问题。环境内存依赖需源码装，要降级。编译：PyTorch 1.12 可以忽略 API 弃用警告，直接编译通过。希望这篇笔记能帮大家节省时间，One Run Success！
2025-12-16 21:14:26
408
原创 [AutoDL] 预防系统盘爆满：一键将Conda环境和Pip缓存迁移到数据盘(autodl-tmp)
AutoDL 的系统盘（/root）空间通常较小，安装大型环境容易报。数据盘（）空间大且数据持久化。本文记录如何将 Conda 环境路径和 Pip 缓存路径修改到数据盘，一劳永逸解决空间不足问题。
2025-12-16 12:04:17
346
3
原创 CS198-126 lecture 3 Intro to DL 2
（也有研究说残差连接解决的是网络退化问题，网络退化问题即每个层中只有少量的隐藏单元对不同的输入改变它们的激活值，而大部分隐藏单元对不同的输入都是相同的反应）当梯度下降时遇到颠簸（多个局部最优值），或者有一段平坦区域，如何使损失函数最小？（epsilon是确保为了除数不为0，任意小的数，不影响计算）可以在每个线性层的末尾做归一化处理，因为归一化特征具有更好的梯度。（skip connect改善了反向传播过程中的梯度消散问题）当遇到梯度收敛时，继续前进（希望翻越小山、平地）。，综合Momentum（
2024-03-27 23:53:55
485
原创 CS198-126 lecture 2 Intro To DL 1
在众多经典的统计学习方法中，我们都观察到了这一现象：随着模型flexibility不断提升，模型逐渐从under-fitting到sweet spot再到over-fitting，在这个过程中，模型不断从train set中学习，train error不断下降趋近于0，而test error则呈现出先降后升的“U型”趋势：先随着模型拟合数据的性能增强而下降、再随着模型出现过拟合而上升。随着模型的尺寸，数据集的大小以及训练时间的增加，performance 先提升，然后变差，然后再次提升。
2024-03-11 11:48:45
417
原创 CS198-126 lecture 1 Intro To ML
如图1_1，输入是近似正弦函数的点序列。左上和右上的偏差和方差都很大；左下完美地拟合了正弦函数，虽然存在一定偏差，但模型时正确的；右下偏差更小，但过拟合了。当偏差十分小时，小心方差过大（模型完美的适应数据中的噪声，过拟合）
2024-03-10 20:38:05
199
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人