xhdll的博客

原创 hf模型下载的方法

3.使用hf download xxx下载模型，–local-dir表示存储的文件夹路径。2.改为国内镜像源，https://hf-mirror.com，这样下模型会快很多。1.先下载环境，pip install -U huggingface_hub。

原创 SPOC复现

SPOC 在现实世界中非常有效。由于模型的训练完全是在模拟器中进行的，因此遇到的环境和对象实例对模型来说都是全新的。这凸显了 SPOC 的泛化能力，以及其适应此前从未遇到过的真实世界条件的能力。它是如何工作的？强化学习 (RL) 常常面临速度和效率方面的挑战，而模仿学习 (IL) 则受限于对海量多样化数据的需求。我们证明，使用具有长上下文窗口的 Transformer 架构来大规模模拟启发式规划器，有助于释放 IL 的强大功能，并在模拟和现实世界中生成高效的智能体。数据。

原创 embodied复现所需docker环境配置粗略流程

2.安装完docker desktop，再安装wsl， 再安装linux系统，通过wsl -l -v，可以看到有多少版本，如wsl --install就可以自动下载ubuntu系统，docker就像是一个应用商城，里面有很多安装包，即镜像，一个镜像可以现在多个软件，这些软件就相当于是一个个容器，也就是第一个镜像可以下载多个容器。4.最后在新的docker容器中配置好环境，然后就可以配置embodied的环境所需要的包了。3.然后建立一个docker容器，并将本地挂在到docker容器中去。

原创 http1 http2 http3的区别

原创 具身智能每层能力划分

原创 synchronized和reentrantlock的区别

原创 我的世界-推理

图3.2基于LLM的CD在提示的指导下执行因果推理。角色扮演为LLM分配分析助理角色。问题设置提供了推理任务。字母映射将项目名称映射到字母，以获得准确的输出。很少有弹性提示提供了思想链（Wei等，2022b）推理的示例。数据DA的形式与少数示例相同。LLM的输出是因果假设。

原创 我的世界-流程图

原创 MCAM： Multimodal Causal Analysis Model for Ego-Vehicle-Level Driving Video Understanding

2.提出多模态因果分析模型（MCAM），这是首个针对 ego-vehicle 级驾驶视频理解任务引入因果分析结构的框架，通过驾驶状态建模发现真实因果关系，实现鲁棒的 ego-vehicle 级驾驶视频理解。通过DSDAG因果图建模紫车状态动态演化，在BDD-X数据集上将驾驶行为描述任务BLEU-4提升至35.7%，推理任务BLEU-4提升至9.1%，显著优于DriveGPT等基线模型。1.提出驾驶状态有向无环图（DSDAG），用于建模动态驾驶交互和状态转换，为因果分析模块（CAM）提供结构化理论基础。

原创 causalbench数据采集流程

原创 Obsidian第三方插件迁移

之前笔记中的插件可以通过将原有的笔记中的插件复制到新的笔记中实现迁移。在开启一个新的obsidian笔记时，插件显示为空。并在新的笔记中的将插件打开就可以继续使用了。

原创 sql优化-哪些列作为索引?

索引的本质是用空间换时间，在某些列上建立索引，可以大幅加快 WHERE、JOIN、ORDER BY、GROUP BY 等语句的查询速度。基数指的是：某个字段在表中“不同取值的数量”。

原创 字节一面整理

在同一个事务中，针对同一个表，读取的记录总数前后不一致，发生在读未提交，读已提交。

原创 egpo进行train_egpo训练时，keyvalueError:“replay_sequence_length“

【代码】egpo进行train_egpo训练时，keyvalueError:“replay_sequence_length“

原创 EGPO 复现 python list

Package Versionabsl-py 2.2.2aiofiles 0.4.0aiohappyeyeballs 2.6.1aiohttp 3.11.18aiohttp-cors 0.8.1aioredis 1.3.1a

原创 TS2C复现 python list

Package Versionabsl-py 2.1.0aiofiles 23.2.1aiohttp 3.8.6aiohttp-cors 0.7.0aioredis 2.0.1aiosignal 1.3.1aiosqlite

原创 ModuleNotFoundError: No module named ‘numpy.typing‘

主要是由于numpy的版本太老了，没有typing这个类。将numpy更新到1.21.1。

原创 AssertionError: All weights couldn‘t be assigned because no variable had an exact/close name or had

我在执行下面代码时报错，def get_function(ckpt):{…版本和评估checkpoint的版本不一致。主要原因是由于训练checkpoint的。

原创 KeyError: ‘{‘safe_rl_env‘}‘ does not exist in existing config.Please use config.update(..) to update

这是在运用metadrive模拟器时遇到的问题，主要是因为版本用错了，需要改为0.2.6.0，我用的时0.4.3。

原创 import tree # pip install dm_tree ModuleNotFoundError: No module named ‘tree‘

这是deepmind开发一个处理处理嵌套数据结构的库。它在某种程度上tree 概括了仅支持扁平序列的内置map函数，并允许将函数应用于每个“叶子”，同时保留整体结构。在导入tree包时，在python库里找了很久，一直以为是tree这个包没下载好，有的推荐执行。由于sklearn已经改版，现在改为scikit-learn,所以可以加载。也有的推荐从sklearn.tree中加载。这两种方法都可以尝试一下。

原创 ValueError: matmul: Input operand 1 has a mismatch in its core dimension 0

假设a.shape结果为[,200],b.shape结果为[210,255],那么此时就会报这个错误。在遇到这个代码时，大多数情况下就是两个运算的向量维度不匹配，此时，可以打印一下两个数组的维度，

原创 对于algorithm2e算法伪代码，如何避免数字超出上下框线，与边框线进行对齐?

其中，SetAlgoNlRelativeSize为-1表示行号字体大小相对于正文缩小1级，也可以选择其他值来调整大小。例如，0表示行号字体大小与正文相同，1表示行号字体大小比正文大1级。% 调整行号和文本与边框线的距离，如果设置为1.5em，相当于行号和文本统一向边框线右侧挪动1.5em，也就是说，行号和文本是一个整体，设置多少距离，就统一挪动多少距离。% 行号与文本行字体比较。

原创 COSMOS : 一个新型的模型检查工具

对于Petri网，除了主要的文件格式.GrML，这是非常专门的模型（有色，混合，稀有事件）所需的，另一种文件格式是可用的，即.PNML是Petri网的标准，.prism通过一种编码的prism语言到Petri网。下面我们总结一下该工具的基本结构，并简要介绍该工具第一版引入的扩展。在这方面，工具可以根据不同的方面来区分，例如所支持的输入形式（即，通用高级建模形式主义与定制建模语言），它们所依赖的数学方法（例如数值方法与随机模拟），它们所具有的属性语言的表达能力（如果有的话），最后是它们已经被证明的应用领域。

原创 在自动驾驶进行大数据量因果推理实验时，如何减少无用功，提高实验效率？

那么我就可以在新的文件里，先对部分数据进行分析，比如当收集一万条数据时，进行一次计数实验，这样如果出现了上述错误现象，可以停止实验，避免无效的等待。如果某个参数设置错误，那么在做反事实时，就会出现所有实验组该参数的count计数值为0，这是错误的现象，将跑完的部分数据迁移到另一个python文件里，并加载好相关的包。比如，我这里需要对反事实的结果进行排序，

原创 dowhy因果推理图反驳报错，IndexError: index -1 is out of bounds for axis 0 with size 0，如何解决

在进行因果推理时，对图进行反驳测试，下列函数出现问题，数据量较少时，需要可以进行，数据量较多时，无法进行，可能是由于下列函数做独立性检验时，callable对矩阵的大小有限制，2000×30就无法完成计算了，所以需要考虑缩短数据量，否则就需要改包里函数了。

原创 ‘NoneType‘ object has no attribute ‘split‘

这个错误表明你正在尝试对一个值为None的对象使用split方法。split是一个字符串方法，用于将字符串按照指定的分隔符分割成一个列表。但是，如果你的对象是None，它就没有split方法，因为None不是一个字符串。在执行到这句代码时，出现了’NoneType’ object has no attribute 'split’报错。检查导致变量为None的原因，确保在调用split之前变量被正确地赋予了一个字符串值。在调用split之前，添加一个检查，确保变量不是None。

原创 dowhy中反驳实验怎么做？

我们主要看标题栏的User Guide和Examples就可以了，如果在User Guide 里找不到使用方法，就去Examples里找例子，里面的数据读取修改为自己的数据就可以了。首先，我们打开最新的dowhy版本网站。

原创 AssertionError: Input data contains NaN. Please check.

在进行因果推理分析时，出现了这个问题，最开始我以为是数据文本中存在空值，但是查了好几遍，都没有发现有任何空的地方，最后发现是因为小数点的位数太长，把小数点设置为3位就可以解决错误了。

原创 python中报错， Data correlation matrix is singular. Cannot run fisherz test. Please check your data.奇异数据

这些数据的所有协方差都相等。因此，协方差矩阵的行列式为 0，矩阵不可逆（即为奇异），因子分析无法进行。这在实际数据集中可能不太明显，但通常意味着您的一个或多个变量与其他变量的相关性非常强，以至于完全冗余。在域上，不可逆的方阵被称为奇异或退化的。当且仅当一个方阵的行列式为零时，其域中的元素才是奇异的。我搜索之后了解到，数据的协方差矩阵为奇异意味着数据集中的某些变量是彼此的线性函数。在导入数据进行因果分析时，我遇到了这个问题，它告诉我相关矩阵是奇异的。我们只需要处理过于冗余的数据，删除一些相关数据。

原创 形式化语义中数据流模型和控制流模型详解

模型驱动开发在嵌入式系统领域中被广泛使用，它具有低代码、不易出错、容易仿真和验证的特点。

原创 Lustre和MARTE等建模语言的区别

**它拥有独立的语法和语义，但必须与AADL核心标准保持语义一致。**如故障模型附件(error model annex)，支持构件、连接的故障事件、故障概率等属性建模；行为附件(behavior annex)增强了AADL对构件实际功能行为的详细描述能力，以更好地支持功能行为验证和自动代码生成。国内外对AADL模型研究主要集中在下面几个方面：利用模型进行嵌入式系统的可调度性分析；利用模型进行安全性的检测；利用AADL错误模型对异常分析，还有利用行为附件对系统的行为进行建模等。

原创 自动驾驶之地面真值解释

关于ground truth，ground truth是摄影、测量与遥感学领域常用词汇，其解释就是字面意思：地面真值，地面实况；延伸到图像处理、机器学习等其他领域一般表示真实值，正确答案（或正确测量数据）。它是一个正确的基准值，一般用来进行误差估算和效果评价。

原创 （二）深度神经网络的安全性和可信度的调查----验证、测试、对抗性攻击和防御，以及可解释性

我们从可实现的保证类型、底层算法和客观属性（即鲁棒性、可达性、区间和 Lipschitzian）等方面总结了表 1 中一些现有的 DNN 验证方法。

原创 （一）深度神经网络的安全性和可信度的调查----验证、测试、对抗性攻击和防御，以及可解释性

在过去的几年中，深度神经网络（DNNs）在几个长期任务上实现人类水平的表现方面取得了重大进展。随着dnn在各种应用上的广泛应用，人们对其安全性和可信度的担忧被公开提出，特别是在广泛报道涉及自动驾驶汽车的致命事件之后。解决这些问题的研究尤其活跃，在过去的几年里发表了大量的论文。本文回顾了目前旨在使DNN安全、值得信赖的研究工作，重点关注四个方面：验证、测试、对抗性攻击和防御，以及可解释性。我们总共调查了202篇论文，其中大部分是在2017年之后发表的。

原创 形式化可信人工智能方向相关研究介绍

Dutta 等人借助于局部搜索及混合整数线性规划, 提出了计算网络输出集合上近似的迭代算法[343]. 首先, 随机选取输入集合的一个初始样本, 利用局部搜索的方法来估计神经网络输出的上下界. 局部搜索往往不能得到神经网络输出的全局上下界, 而是局部上下界. 基于搜索到的局部上下界构建一个混合整数线性规划, 此规划的一个可行解将改善此局部上下界. 如果此规划无解, 则算法终止, 返回的上下界为全局上下界;如果有解, 再利用局部搜索的方法来估计神经网络输出的上下界, 迭代此过程.

原创 Uppaal中，出现V‘ == s_height,V‘在这里是什么变量？

在Uppaal5.0中，所有V’的符号都是时钟符号，在定义时，用。

原创 uppaal中报错参数不相容，如何解决？

我这里是因为在定义小数时，用了整数型的参数，

原创 uppaal写代码是报错，自由进程参数必须是一个有界整数或者一个标量

const int s需要修改为const int[1,10] s。这里就需要给相关参数设置一个范围值，在设置概率参数时，可能会报这个错。

原创 UPPAAL中声明是如何定义的？

我们在给uppaal进行书写时，声明的定义肯定是需要的，不管是全局声明还是局部声明，接下来我将介绍一下官方给的声明给出的定义格式。

原创 核反应堆保护系统重要控制因素

在这个循环过程中，余热在很长时间内得到释放。流程图如图所示。其中MAN10AA101,MAN20AA101 为隔离阀。