Miya's Blog

将 .ps1 脚本封装为 PowerShell 命令

MIPS32-GCC 交叉编译环境

使用 oh-my-posh 美化 windows terminal

IDM PKU TPAMI 2025 架构 主干网络 噪声估计器基于 SD1.5，并对其 U-Net 结构进行了修改 (we further simplify the U-Net by removing its time embeddings, cross-attention layers, and the final three scales to balance efficiency and performance.) 论文给出的结构图。对原模型进行了不少剪枝。 这部分可以结合代码理解 12345del unet.time_embedding, unet.mid_blockunet.down_blocks = unet.down_blocks[:-2]unet.down_blocks[-1].downsamplers = Noneunet.up_blocks = unet.up_blocks[2:]... TTT 的选取 实验部分对去噪步数分析了参数敏感性，结论是 TTT 取 3 时综合收益最大。 可逆布线 Notably, with our two le ...

Comparasion Schemes Sys 方向的工作，对比实验做起来比较麻烦。MAGIS 对比了 TVM、XLA 等多个后端。记录安装过程。 TVM 参考官方文档[1]安装的是 apache-tvm v0.11，这个版本是跑不起来。是要带 --pre 参数安装。 12pip install apache-tvm --preSuccessfully installed apache-tvm-0.14.dev273 ml-dtypes-0.5.0 补装以下库 12pip install tlcpack-nightly-cu116 --pre -f https://tlcpack.ai/wheelspip install pytest XLA 尝试 PyTorch-XLA，一步一坑，无比麻烦。相关链接 [1:1] [2] [3] [4]，这里只粗略记录。 由于 torch 版本低，只能装旧版 xla，没有教程参考。 跑样例，ImportError: libpython3.10.so.1.0: cannot open shared object file 检查 /usr/loca ...

Jupyter Notebook 安装配置 Jupyter Notebook 似乎很不喜欢用户安装非最新版。但是为了兼容服务器上的各种库的旧版本 (原因见以往博客)，还是试了一下。纯净的安装流程请移步「安装」 Errors 第一个报错的库是 typing-extensions，为了避免 tensorflow 出现问题，首先尝试降级到 4.5.0，然而会在配置 Jupyter Notebook 账号密码时报错。从 Jupyter 仓库看过版本后决定从 7.3 降至 6.5.6。 因为之前的 Python 是手动编译的，这里又埋了一个坑。运行 jupyter notebook --generate-config，报错 12ModuleNotFoundError: No module named '_sqlite3'ModuleNotFoundError: No module named 'pysqlite2' 检查 dpkg -l 是安装了 sqlite3 的，问题出在构建 Python3 时缺少 libsqlite3-dev 依赖。安装 lib ...

V2Ray-A 安装配置 服务器要上外网！一直 scp 十分麻烦。 安装 参考 [1] 安装。 V2Ray 12root@pve:~/share/tools# unzip v2ray-linux-64.zip -d /usr/local/v2ray-coreroot@pve:~/share/tools# sudo mkdir -p /usr/local/share/v2ray/ V2Ray-A 1root@pve:~/share/tools# dpkg -i installer_debian_x64_2.2.6.3.deb 添加如下配置 1234root@pve:~/share/tools# vim /etc/default/v2raya# 添加如下配置V2RAYA_V2RAY_BIN=/usr/local/v2ray-core/v2rayV2RAYA_V2RAY_CONFDIR=/usr/local/v2ray-core 检查服务状态 12345root@pve:~/share/tools# systemctl status v2raya○ v2raya.service - v2 ...

MAGIS Experimental Setup 主要软件包版本。基于以下环境运行了 Resnet50 + CIFAR Demo 进行验证。 CUDA 11.6 CuDNN 8.4.0 PyTorch 1.13.1 Python 3.10.5 一些说明 任务 根据 Renze Chen 描述，任务是跑一遍 forward + backward，测时间和内存开销。Samples 输出的 results.csv 里有实验一节里的各种评估指标。数据集不重要，可能是随机生成。至于几个 Comparasion Schemes，则需要分别实现 ResNet 等。 nn/ 实现了 ResNet，ViT 等网络。Transformer.py 中有 Bert 等网络定义。两个大模型也基于 config.py 对 Transformer.py 作用即可。 torch_cuda.py 相当于把 nn/ 中定义的网络转为 pytorch，跑 baseline，然后再进入 MAGIS 工作流。所以 Pytorch Baseline 相当于已经实现了。待研读代码。 Run 第三次实验求助了作者， ...

非易失内存 - 总结篇 谨以此告别前半段研究生生涯。 该说点什么呢 整理无味，搁置可惜。 这个题目起的有些大了，实际上聚焦于讨论非易失内存的页面迁移算法。死课题，炒冷饭，加之学业以外的糟心事情，现在回想，没有轻舟已过万重山的如释重负，只觉荒唐。 附件自取。覆盖面较全了，只是不够详细。 有一论文，屡投不中。以后大概也会扔进附件里。 聊聊专业 行文至此，还是讲讲 NVM 吧。 为什么死了 聊聊我的看法。NVM 主打一个 memory 的名字，但当前的内存体系结构里根本没有「非易失」这一层，导致要么做 memory 牺牲持久性，要么做纯 storage，无非在内存映射时占点便宜。但你又不是一天没事干就在那 I/O，做 storage 和现有介质相比没有显著优势。 以 Optane 为例，是可以配置成好几个模式，比如做 storage 时可以作为块设备或字节设备 (驱动意义上)，做 memory 时则和一般内存条没有太大区别，除了不能配进一个 NUMA 节点。容量和持久性对 memory 不可得兼。当然，配进 NUMA 后与原本的 DRAM 节点形成快慢内存，可以去炒另一个概念 M ...

CUDA/CuDNN/PyTorch 环境配置 前置 | Python 参考 [1] 查找版本对应，切换 Python 版本 ModuleNotFoundError 解决。想要什么模块就装完再构建，如 BZIP2 1apt install libbz2-dev 手动编译安装 12./configure --enable-optimizationsmake altinstall 版本切换 12# 直接在 .bashrc 修改了alias python='/usr/local/bin/python3.10' 卸载 (针对手动编译) 123# 由于源码安装，删除目录便是卸载root@pve:~/share/project/mynn# rm -rf /usr/local/bin/python3.10root@pve:~/share/project/mynn# rm -rf /usr/local/bin/python3.10-config CUDA 首先 nvidia-smi 查看当前驱动支持的最高 CUDA 版本。版本检查 1234567whereis cudacud ...