2025/09/08
我明天一定开始看一点点pytorch的内容，一定会把复现实验开始跑起来，一定把所有可以复现的文章整理出来，一定把之前所有文章想要解决的问题总结出来。。。。感觉不太可能，我似乎没有这么强大的精力和能力，能做到那一步是那一步吧。煞笔房东怎么又玩消失了，他妈的明天要是还不回消息我一定去催她。现在全靠流量在家里是绝对不够用的，现在被限速了之后难受的一批ctmd.等到pytorch结束以后就开始看托福单词吧，一天感觉不用太多，复习的话一天50个词应该可以？后续可能还要加一点阅读，再背一点模板，希望今年这一考可以出分，算了就算改了题型我也不想再上课了，直接自己稍微学一学去考试。最近感觉精神状态不太稳定，希望能够尽快好转一点点。 我仍然在，无人问津的阴雨霉湿之地和着雨音，唱着卖不出去的歌曲浮游之人，也挣扎不已执着存在下去追逐着，梦想着，继续 请别让我独自匍匐于滂沱世末之雨和着雨音，唱着见证终结的歌曲人们终于，结束了寻觅呆滞伫立原地哭泣着，乞求着，奇迹 —— 《世末歌者》
2025/09/07
啊卧槽我要看的paper应该是对比学习的那一片DINO而不是目标检测的那片DINO，啊卧槽这些人给自己的模型起名字能不呢个不要重名啊我草，气死我了喵
2025/9/5
至少今天我写了一句话，不是吗？剩下来的明天再补。 啊我草我突然想到还有抽时间去学托福，年底前还要再考一次，美国人怎么这么坏。 看到了GitHub上一个embodied AI的入门合集，看起来又不少robot的课程。现在已经没有大一时候那种疯狂找网课看的热情了，看到一节节的网课甚至感到有点恶心。想了想就先把cv部分的重要课程/paper先看完，这种通用领域的知识还是很值得去一看的。 寒假看起来是不能在家过年了，今年怎么过年这么晚。正好和瑞士那边开学时间对上了，有大概率大年28，29的时候要买机票飞过去，瑞士人怎么这么坏。 在考虑寒假要不要留下来上ccc，但是如果一直留下来的话有十几天是空闲的。如果回家，又要回hk，上完课又要回去。不回家的话十几天在这里确实没有什么可以做的事情。要不大四寒假再去上一门ccc？感觉也有一点抽象了，到时候再考虑一下吧。我觉得倒是可以回去两趟，其中一趟回去的时候可以顺便稍微旅游一下。 有时间打算恶补一下pytorch，但是大概率是没有时间的。 于是信步鸿蒙之轻，也领苍生之重；与诗与酒颠倒与共，沉眠斜阳中。我与天地周旋久，写尽梦，便成梦。潮水，带...
2025/09/04
今天看了个大阅兵，也给了自己一个摸了一天🐟的借口。但是又是浪费一天，算一算从开始和xyx汇报开会已经三个星期了，还是一点进展都没有喵。不能再这样下去了，我要和她说开始brainstorm一下开始设计实验了。今天晚上一定要把PPT和所有的文章过一遍。在学期一开始还想着能够改掉上学期天天2点半睡觉的阴间作息，变成每天8小时优质睡眠呢，但是想一想wyf那样的大佬都是辛辛苦苦一整个学期才做出来的成果，我这种小卡拉米怎么能怠慢呢。 今天终于把心心念念的显示屏买掉了，心情低落的时候唯有购物才能获得一丝丝快意。如果花的是我自己的钱就更好了，这么多的钱还是父母在出，这样啃老真的好畜生啊。 每次都说好好学习，好好做研究，想要走在大家前面，可是到现在，身边的所有人都走在了我的前面。我还要好好追赶呀。 这样每天写一点感觉还挺好的，反正晚上的时间不写写感受也是玩手机玩掉了，还不如自省一下呢。 长河清，辽海阔，日月转，昭昭灼灼；天将倾 敢问几人 振臂擎托 – 《为岳》
2025/9/2
我真的是受不了了，我真的适合走科研这条路吗？我自认为还是比较能吃透research的，这几天看paper都要看崩溃了，怎么会这个样子呢。 今天上了四门课，两门math感觉还可以。希望能保持今天这种上课的专注度和课后的及时复习。应该学的会比较轻松。可能下午的comp课有点难顶，吃了午饭之后确实太困了。下次中午要提前买一杯咖啡喝了。 Computer graphics挺感兴趣的，但是给分实在不敢恭维，而且目前不在我规划的发展路径上，只能等大四看看能不能有时间接着上。 最近很焦虑房子能不能转租出去，听说有的人已经找到了下半年的房子？怎么会这么快。两个点，一个是房东最终有没有同意转租；其次是同意之后能否进行转租？能不能找到人接盘？而且可能合规性上还有一定的问题。但是现在担心好像也没有什么用。也不是我能左右的，还是把思绪回归学习吧。 发现偶尔随手写写脑子里的歌词可以让我上课的时候更精神一点。 我们的故事我们的歌，别名为人间 —《致川流的无名诗》
DETR-series
DETR系列进化的流程(目标检测) DETR→ deformable DETR → DAB-DETR → DINO → HIPT(WSI) 其中deformable DETR是由 deformable convolution 的启发设计而来 Deformable convolutionOverview 传统的卷积都是固定形状的,对于某些与卷积形状不符的物体识别率较低。难以适应物体的尺度，姿态和形状变化 提出了两个新模块 可变形卷积 可变ROI 他们可以直接替换现在体系下的CNN模块，并使用标准反向传播算法进行端到端的训练 ContributionDeformable convolution 使用一个标准卷积和一个 偏移量学习， 通过一个并行的卷积层从前一层的特征途中即时学习得到的。网络根据输入动态变化形状 可能学习到小数，因此通过双线性插值对特征进行采样 Deformable ROI Pooling 在每一层pooling前为每个单元增加一个学习的偏移量 偏移量由一个全连接层生成，输入是标准ROI池化的特征。对于非刚性物体尤其有用 进一步提出了一个适用于R-FCN的位置...
20225/9/1
今天是开学的第一天。ccc的老师上课挺有意思的，人看上去也还行。这种好老师怎么cs就没有几个呢？不过暂时还不知道他给grade怎么样，有的时候面善的人给分一给一个不吱声。希望他不是这种人，ustspace上的评分不低。 这老师下午就把自己“精心设计的”小桥段发到b站上了，这种中登还玩互联网的属实是不多见，他的评论区里何教授也经常发言，什么奇怪的物理科研小圈子。去给他评论了一下捧个场，下次问问他能不能给grade给好一点。。。。 cqf还是正常发挥，毫无疑问的ppt reader。如果你学过，你能听懂他在讲什么，而且逻辑还挺清晰的。但是如果没有基础，他讲的就是天书，主要这课和5214一样主打一个广而不深，如果想要精通主要还是看自己。 吐槽一点，前两节课的ppt和comp5214一模一样，不愧是他；还有港校的tpg真是水硕，或许中介口中要不错的本科背景才能申上，但是在港校呆一年上课，除了给个毕业证以外几乎不会有任何提升。 新学期，新气象；今天成功把手机屏幕时间压到7小时以内(其实是想看到6小时以内的，明天加油)。论文也看来一点点(其实也没有多少)，有很多事情想做但又感觉没有时间。...
pytorch-day03
Text data Modeling Example IMDB数据集的目标是预测评论的情感标签 数据预处理 这里似乎只用了一个简单的构建词表，然后hard code每一个词？没有用到任何word-embedding。我很好奇这真的有用吗 这里我们定义了一个类用来处理数据1234567891011class ImdbDataset(Dataset): def __init__(self,df): self.df = df def __len__(self): return len(self.df) def __getitem__(self,index): text = self.df["text"].iloc[index] label = torch.tensor([self.df["label"].iloc[index]]).float() tokens = torch.tensor(text_pipeline(text)).int() ...
pytorch-day02
Image data Modeling examplePrepare dataset Using cifr-2 as an example Import necessary pakcage12345import torch from torch import nnfrom torch.utils.data import Dataset,DataLoaderfrom torchvision import transforms as Tfrom torchvision import datasets 1234567891011121314151617# define helper functiontransform_img = T.Compose( [T.ToTensor()])def transform_label(x): return torch.tensor([x]).float()# load dataset using Imagefolderds_train = datasets.ImageFolder("./eat_pytorch_datasets...
pytorch_day01
写在一开始被同学拉着一起学，那就正式学习一下pytorch. 择日不如撞日.* 代码部分放在colab上，这里总结一点主要/延申知识Day 1 Structured Data Modeling Example Using Titanic dataset. The goal is to predict whether a passenger is surived. The dataset contains 10 features,within them: 4 valued feature 4 categorical feature 2 other feauture(ticket number & name) Among the features, some of them has missing values The tutorial then do the data preprocessing, building a MLP with one hidden layer, and write the training function. About the O...