当前位置：首页 > news >正文

【扩散模型（十三）】Break-A-Scene 可控生成，原理与代码详解（中）Cross Attn Loss 代码篇

news 来源：原创 2025/8/22 13:32:06

系列文章目录

【扩散模型（一）】中介绍了 Stable Diffusion 可以被理解为重建分支（reconstruction branch）和条件分支（condition branch）
【扩散模型（二）】IP-Adapter 从条件分支的视角，快速理解相关的可控生成研究
【扩散模型（三）】IP-Adapter 源码详解1-训练输入介绍了训练代码中的 image prompt 的输入部分，即 img projection 模块。
【扩散模型（四）】IP-Adapter 源码详解2-训练核心（cross-attention）详细介绍 IP-Adapter 训练代码的核心部分，即插入 Unet 中的、针对 Image prompt 的 cross-attention 模块。
【扩散模型（五）】IP-Adapter 源码详解3-推理代码详细介绍 IP-Adapter 推理过程代码。
【可控图像生成系列论文（四）】IP-Adapter 具体是如何训练的？1公式篇
【扩散模型（六）】IP-Adapter 是如何训练的？2 源码篇（IP-Adapter Plus）
【扩散模型（七）】Stable Diffusion 3 diffusers 源码详解2 - DiT 与 MMDiT 相关代码（上）
【扩散模型（八）】Stable Diffusion 3 diffusers 源码详解2 - DiT 与 MMDiT 相关代码（下）
【扩散模型（九）】IP-Adapter 与 IP-Adapter Plus 的具体区别是什么？
【扩散模型（十）】IP-Adapter 源码详解 4 - 训练细节、具体训了哪些层？
【扩散模型（十一）】SD1.5 / SDXL / SD3 / Flux 整体区别梳理汇总，扩散与整流（Rectified Flow）的区别
【扩散模型（十二）】Break-A-Scene 可控生成，原理与代码详解（上）原理篇

文章目录

系列文章目录
前言
- - 1. Cross-Attn Loss
  - - 1.1 Cross-Attn Map 怎么来的？
    - - （1）注册 Attn Processor（用 P2PCrossAttnProcessor 类来重新定义）
      - （2）为什么要调用用 P2PCrossAttnProcessor？
      - （3）self.controller = AttentionStore()
    - 1.2 Mask Map 怎么跟 Cross-Attn Map 对应上的？
    - - （1）整体对应的流程
      - （2）训练过程中的对齐
      - （3）可视化和验证

前言

上篇介绍了 Break-A-Scene 的整体技术要点，本文则分析其对应的关键代码。
方法采用的 base model 是 stable-diffusion-2-1-base。
之前说了这个方法主要是 Textual Inversion + Dream Booth（从训练到的模型参数），再从 Attention loss 的角度来看，还参考了 P2P （Prompt-to-Prompt Image Editing
with Cross Attention Control）的核心思想——SD 的 Attn Map 中存在语义对齐。
这里的“语义对齐”是指，per word 是可以通过 Attn 对应到 image 中的 regional spaces。

以下代码为 https://github.com/google/break-a-scene 的 train.py

1. Cross-Attn Loss

1.1 Cross-Attn Map 怎么来的？

核心调用链： self.unet -> P2PCrossAttnProcessor(self.controller) -> AttentionStore 以计算注意力分数。

（1）注册 Attn Processor（用 P2PCrossAttnProcessor 类来重新定义）

当执行 self.unet(noisy_latents, timesteps, encoder_hidden_states) 时，代码会调用UNet模型进行前向传播，而 UNet 内部使用了注意力机制。

这里的调用流程是这样的：

当调用self.unet(...)时，开始执行UNet的前向传播
UNet内部包含多个注意力块(attention blocks)
在处理这些注意力块时，会调用CrossAttention类的forward方法
在CrossAttention的forward方法中，会计算注意力分数，即调用get_attention_scores方法
由于训练脚本中重新定义了注意力处理器(P2PCrossAttnProcessor)，所以会执行这个自定义处理器中的逻辑

具体原因是在脚本的register_attention_control方法中(约1437行)，替换了UNet中的注意力处理器：

def register_attention_control(self, controller):attn_procs = {}cross_att_count = 0for name in self.unet.attn_processors.keys():# ... (省略部分代码)cross_att_count += 1attn_procs[name] = P2PCrossAttnProcessor(controller=controller, place_in_unet=place_in_unet)self.unet.set_attn_processor(attn_procs)controller.num_att_layers = cross_att_count

这段代码将UNet中的注意力处理器替换为自定义的P2PCrossAttnProcessor，用于监控和控制注意力分数。当UNet在前向传播过程中计算注意力时，就会调用这个自定义的处理器。

（2）为什么要调用用 P2PCrossAttnProcessor？

P2PCrossAttnProcessor 和标准的 CrossAttnProcessor 的主要区别是在注意力计算过程中引入了额外的控制机制。让我详细解释这两者的差异：

标准的 CrossAttnProcessor

标准的 CrossAttnProcessor 是 diffusers 库中的默认注意力处理器，它的主要功能是执行标准的自注意力或交叉注意力计算。它的工作流程为：

将输入转换为查询(query)、键(key)和值(value)
计算注意力分数
应用注意力分数到值向量上
输出结果

这是扩散模型中的标准操作，没有任何额外的控制或监控机制。

P2PCrossAttnProcessor（Break-a-Scene 中的自定义处理器）

P2PCrossAttnProcessor 在 Break-a-Scene 项目中是一个自定义的注意力处理器，它继承了标准处理器的功能，但添加了一个关键的功能：

# one line change
self.controller(attention_probs, is_cross, self.place_in_unet)

这一行是两者最关键的区别。在计算完注意力分数后，P2PCrossAttnProcessor 将这些分数传递给了一个 controller 对象，让它能够：

监控注意力分数：记录模型在不同位置和不同时间步的注意力分布
存储注意力信息：将注意力信息存储在 controller.attention_store 中
可能修改注意力分数：虽然在这个实现中没有直接修改，但这种架构允许在未来扩展来直接干预注意力分数

（3）self.controller = AttentionStore()

注意力分数（attention scores）经过softmax归一化后就形成了注意力概率分布（attention probabilities），这个概率分布通常被称为注意力图（attention map）。

具体来说：

注意力分数（Attention Scores）：是查询(Q)和键(K)的点积，通常还会乘以一个缩放因子（1/√d_k），计算公式为 (Q·K^T)/√d_k。这些是原始的、未归一化的分数。
注意力概率/注意力图（Attention Probabilities/Map）：是将注意力分数通过softmax函数归一化后的结果，确保所有值都是0到1之间，且总和为1。计算公式为 softmax((Q·K^T)/√d_k)。这个概率分布表示每个位置的相对重要性。

在Break-a-Scene中，attention_probs 变量就是经过softmax后的注意力概率，也就是注意力图：

attention_probs = attn.get_attention_scores(query, key, attention_mask)

这个 attention_probs 被传递给控制器并存储起来：

self.controller(attention_probs, is_cross, self.place_in_unet)

当在代码中可视化或分析这些注意力信息时，它们通常被称为"attention maps"，因为它们可以重塑为2D图像，显示不同空间位置的注意力分布。这些注意力图对于理解模型如何将文本token（如"creature"）关联到图像的特定区域非常有价值。

1.2 Mask Map 怎么跟 Cross-Attn Map 对应上的？

在Break-a-Scene中，掩码图(Mask Maps)与交叉注意力图(Cross-Attention Maps)的对应关系是该方法的核心。下面是对应过程的详细介绍：

（1）整体对应的流程

数据准备阶段
首先，每个训练样本包含（/path/break-a-scene/examples中）：
- 一张图像(img.jpg)
- 多个对象的掩码(mask0.png, mask1.png等)
- 每个掩码对应一个token(如"creature", “bowl”, “stone”)
下采样和尺寸匹配

在训练过程中，原始掩码需要与注意力图的尺寸匹配。这通过下采样完成：
```
# 从原始尺寸(通常是512x512)下采样到注意力图的尺寸(16x16)
GT_masks = F.interpolate(input=batch["instance_masks"][batch_idx], size=(16, 16))
```
注意力图的尺寸通常是16×16，因为在UNet的中间层，特征图大小通常被下采样到这个尺寸。

Token到掩码的关联

每个placeholder token对应一个对象掩码：

for mask_id in range(len(GT_masks)):# 获取当前placeholder token的IDcurr_placeholder_token_id = self.placeholder_token_ids[batch["token_ids"][batch_idx][mask_id]]# 在输入的token序列中找到这个token的位置asset_idx = ((batch["input_ids"][curr_cond_batch_idx] == curr_placeholder_token_id).nonzero().item())# 提取这个token对应的注意力图asset_attn_mask = agg_attn[..., asset_idx]asset_attn_mask = asset_attn_mask / asset_attn_mask.max()# 计算这个注意力图与对应的ground truth掩码之间的MSE损失attn_loss += F.mse_loss(GT_masks[mask_id, 0].float(), asset_attn_mask.float(), reduction="mean")

这个过程做了以下几件事：

找到当前掩码对应的token ID
在输入序列中定位这个token的位置
提取这个token位置对应的注意力图(即这个token对所有空间位置的注意力权重)
将这个注意力图与ground truth掩码进行比较，计算损失

聚合注意力

为了提高准确性，Break-a-Scene会聚合UNet中不同层的注意力图：

def aggregate_attention(self, res: int, from_where: List[str], is_cross: bool, select: int):out = []attention_maps = self.get_average_attention()num_pixels = res**2for location in from_where:for item in attention_maps[f"{location}_{'cross' if is_cross else 'self'}"]:if item.shape[1] == num_pixels:cross_maps = item.reshape(self.args.train_batch_size, -1, res, res, item.shape[-1])[select]out.append(cross_maps)out = torch.cat(out, dim=0)out = out.sum(0) / out.shape[0]return out

这会收集并平均UNet中多个位置(up, mid, down)的交叉注意力图，提供更全面的注意力表示。

（2）训练过程中的对齐

在训练过程中，通过最小化注意力图与ground truth掩码之间的MSE损失，模型学会将特定token的注意力集中在对应的对象区域：

attn_loss = self.args.lambda_attention * (attn_loss / self.args.train_batch_size)
logs["attn_loss"] = attn_loss.detach().item()
loss += attn_loss

随着训练的进行，交叉注意力图会逐渐对齐到掩码上，这意味着：

token “creature” 的注意力会集中在生物的区域
token “bowl” 的注意力会集中在碗的区域
token “stone” 的注意力会集中在石头的区域

（3）可视化和验证

为了监控这种对齐，Break-a-Scene会定期保存注意力可视化结果：

self.save_cross_attention_vis(last_sentence,attention_maps=agg_attn.detach().cpu(),path=os.path.join(img_logs_path, f"{global_step:05}_step_attn.jpg")
)

这些可视化显示了每个token对应的注意力热图，帮助研究人员了解模型是否正确地学习了token与空间区域的关联。

通过这种方式，Break-a-Scene建立了text-to-image模型中token与图像区域之间的明确对应关系，从而实现了对图像不同区域的精确控制。

【扩散模型（十三）】Break-A-Scene 可控生成，原理与代码详解（中）Cross Attn Loss 代码篇

系列文章目录【扩散模型（一）】中介绍了 Stable Diffusion 可以被理解为重建分支（reconstruction branch）和条件分支（condition branch）【扩散模型（二）】IP-Adapter 从条件分支的视…...

编程日记 2025/8/22 13:32:06

C语言数字图像处理---2.31统计滤波器

本文介绍空域滤波器中的一种：统计滤波器 [定义与算法] 统计滤波（Statistic Filter）定义：基于图像处理中的邻域统计方法，对邻域内的像素信息进行统计，如基于均值和方差的信息，用于平滑或去噪图像，同时保留边缘信息。算法步骤如下：统计滤波器的优点和缺点主要包…...

编程日记 2025/8/22 8:12:38

流程设计实战：流程架构设计六步法

目录简介 1、梳理业务模式及场景 2、甄别核心业务能力 3、搭建差异化的业务流程框架 4、定义L4流程能力 5、L4流程串联 6、展开L5业务流程作者简介简介以往在设计流程的时候，我多数都是采用的自下而上的方式，从具体场景、具体问题出发去做流…...

编程日记 2025/8/20 20:22:36

SDK游戏盾如何接入？复杂吗？

接入SDK游戏盾（通常指游戏安全防护类SDK，如防DDoS攻击、防作弊、防外挂等功能）的流程和复杂度取决于具体的服务商（如腾讯云、上海云盾等）以及游戏类型和技术架构。以下是一般性的接入步骤、复杂度评估及注意事项&#…...

编程日记 2025/8/22 7:30:20

STM32F103C8T6 单片机入门基础知识及点亮第一个 LED 灯

目录一、引言二、STM32F103C8T6 基本特性 1. 内核与性能 2. 存储器 3. 时钟系统 4. GPIO（通用输入输出） 5. 外设三、开发环境搭建 1. 硬件准备 2. 软件安装四、点亮第一个 LED 灯 1. 硬件连接 2. 软件实现 （1）创…...

编程日记 2025/8/19 6:04:37

JavaScript Worker池实现教程

JavaScript Worker池实现教程 Worker池是一种管理和复用Web Workers的有效方法，可以在不频繁创建和销毁Worker的情况下，充分利用多线程能力提升应用性能。下面我将详细介绍如何在JavaScript中实现一个功能完善的Worker池。为什么需要Worker池&#xf…...

编程日记 2025/8/16 20:22:18

【统信UOS操作系统】python3.11安装numpy库及导入问题解决

一、安装Python3.11.4 首先来安装Python3.11.4。所用操作系统：统信UOS 前提是准备好Python3.11.4的安装包（可从官网下载（链接）），并解压到本地： 右键，选择“在终端中打开”&#xff…...

编程日记 2025/8/18 20:33:31

Navicat导入JSON数据到MySQL表

🤟致敬读者 🟩感谢阅读🟦笑口常开🟪生日快乐⬛早点睡觉 📘博主相关 🟧博主信息🟨博客首页🟫专栏推荐🟥活动信息文章目录 Navicat导入JSON数据到MySQL表1. 导入入口2.…...

编程日记 2025/8/20 17:00:26

体育比分小程序怎么提示日活

要提高体育比分小程序的日活跃用户(DAU)，您可以考虑以下几个方面的策略： 一、核心功能优化 1.实时推送：确保比分更新真正实时，延迟不超过2秒，推荐接入熊猫比分API体育数据，比分实时更新 2.个性化订阅&am…...

编程日记 2025/8/17 18:24:15

JSON 是一种轻量级的数据交换格式，主要用于在客户端和服务器之间传输数据。 JSON 在 python 里是一个标准库 https://www.jyshare.com/compile/9/ import json data {name: Alice, age: 30, city: New York} json_string json.dumps(data) print(json_string)js…...

编程日记 2025/8/18 2:24:17

Tomcat与Servlet

目录 1 Tomcat 1.1 目录结构 1.2 启动服务器 1.3 部署 2 Servlet 2.1 创建项目 （1）创建Maven项目 （2）目录结构 （3）引入依赖 （4）创建必要的目录结构 （5&#xf…...

编程日记 2025/8/22 13:31:21

MySQL MVCC工作流程详解

MySQL MVCC工作流程详解 1. 基础概念 MVCC（多版本并发控制）是通过在每行记录后面保存多个版本来实现并发控制的技术，主要用于提供并发事务访问数据库时的读一致性。 2. 核心要素 2.1 事务ID（DB_TRX_ID） 每个事务都…...

编程日记 2025/8/17 19:50:45

unityTEngine 框架学习记录1

目前项目再用QF框架其中的UI部分，突然有天想学习一下其他好用的框架UI，根据我多年网友胖菊大佬的推荐TE映入眼帘,网上找了一下发现学习教程没有几个，不太适合啥都不会的小白，然后我就加入了ET官方群，里面人长得又帅又有…...

编程日记 2025/8/17 20:27:33

算法的时间复杂度

整理了下算法的时间复杂度，跟大家一起分享下。时间复杂度O是表示算法运行时间与输入数据规模（通常用 n 表示）之间的关系。算法执行时间随输入数据规模增长的变化趋势。 1、O(1) — 常数时间无论输入数据多大，执行时间固定不变…...

编程日记 2025/8/21 15:46:10

深度学习从入门到精通 day_01

Pytorch安装 torch安装 python版本3.9.0 在官方文档里面找到适合你设备的PyTorch版本及对应的安装指令执行即可：https://pytorch.org/get-started/previous-versions/ 针对我的网络及设备情况，我复制了如下指令完成了Torch的安装： …...

编程日记 2025/8/21 18:48:44

AutoToM：让AI像人类一样“读心”的突破性方法

引言：AI如何理解人类的“内心世界”？ 如何让AI像人类一样理解他人的意图、情感和动机？这一问题的核心是心智理论（Theory of Mind, ToM），即通过观察行为推断心理状态的能力。近日，约翰霍普金斯大…...

编程日记 2025/8/22 13:31:20

Java实现Redis

String类型代码 package com.whop.changyuan2.redisTest;import org.junit.jupiter.api.Test; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.boot.test.context.SpringBootTest; import org.springframework.data.redis.cor…...

编程日记 2025/8/20 22:16:08

DAY09：【pytorch】nn网络层

1、卷积层 1.1 Convolution 1.1.1 卷积操作卷积运算：卷积核在输入信号（图像）上滑动，相应位置上进行乘加卷积核：又称为滤波器、过滤器，可认为是某种模式、某种特征 1.1.2 卷积维度一般情况下&#xf…...

编程日记 2025/8/22 13:32:05

河南普瑞维升企业案例：日事清SOP流程与目标模块实现客户自主简报功能落地

公司简介： 河南普瑞维升企业管理咨询有限公司成立于2017年，目前公司主营业务是为加油站提供全方面咨询管理服务，目前公司成功运营打造河南成品油，运营站点15座，会员数量已达几十万，在加油站周边辐射区域内…...

编程日记 2025/8/22 13:31:22

LeetCode面试热题150中19-22题学习笔记（用Java语言描述）

Day 04 19、最后一个单词的长度需求：给你一个字符串 s，由若干单词组成，单词前后用一些空格字符隔开。返回字符串中最后一个单词的长度。单词是指仅由字母组成、不包含任何空格字符的最大子字符串。代码表示 public class Q19_1 {p…...

编程日记 2025/8/22 13:32:06

车载刷写架构 --- 刷写流程中重复擦除同一地址的问题分析

我是穿拖鞋的汉子，魔都中坚持长期主义的汽车电子工程师。老规矩，分享一段喜欢的文字，避免自己成为高知识低文化的工程师：周末洗了一个澡，换了一身衣服，出了门却不知道去哪儿，不知道去找谁，漫无目的走着，大概这就是成年人最深的孤独吧! 旧人不知我近况，新人不知我过…...

编程日记 2025/8/19 23:21:49

一个测试GPU可用的测试实例

一个测试GPU可用的测试实例： import torch import torch.nn as nn import torch.optim as optim import time import gc import numpy as np from torch.cuda.amp import autocast, GradScalerclass LargeNN(nn.Module):def __init__(self, use_attentionTrue):sup…...

编程日记 2025/8/19 21:47:29

chili3d调试笔记2+添加web ui按钮

onclick 查找打个断点看看挺可疑的，打个断点看看挺可疑的，打个断点看看打到事件监听上了加ui了加入成功新建弹窗-------------------------------------- 可以模仿这个文件，写弹窗然后在这里注册一下，外部就能调用了对了…...

编程日记 2025/8/17 21:12:34

Go-zero：JWT鉴权方式

1.简述用于记录在go-zero的后端项目中如何添加jwt中间件鉴权 2.流程配置api.yaml Auth:AccessSecret: "secret_key"AccessExpire: 604800config中添加Auth结构体 Auth struct {AccessSecret stringAccessExpire int64 }types定义jwt token的自定义数据结构&#…...

编程日记 2025/8/20 11:23:11

MySQL的MVCC机制详解

1. 什么是MVCC？ MVCC（Multi-Version Concurrency Control，多版本并发控制）是数据库系统中用于实现并发控制的一种技术。它通过保存数据在某个时间点的快照来实现，使得在同一个数据行上可以同时存在多个版本&#xff0…...

编程日记 2025/8/20 7:21:17

Postman做自动化测试

Postman也可以实现接口自动化 1.在Scripts写断言，图中红框处。不会写可以偷懒使用蓝框处会自动填写 2.单个运行调试，结果显示在TestResults 3.多个接口都写好断言并调通后，在包揽这些接口的文件夹下运行，图示以两个接口为例&…...

编程日记 2025/8/20 11:21:09

Meltdown原理介绍：用户空间读取内核内存

摘要计算机系统的安全性从根本上依赖内存隔离，如，内核地址范围被标记为不可访问并受到保护，以防用户非法访问。本文介绍了Meltdown。利用现代处理器上乱序执行，来读取内核任意的内存位置，包括个人数据和密码。乱序执行是必不可少的用来提升性能的手段，并在现代处理器中…...

编程日记 2025/8/19 17:32:17

数据结构和算法(七)--树

一、树树是我们计算机中非常重要的一种数据结构，同时使用树这种数据结构，可以描述现实生活中的很多事物，例如家谱、单位的组织架构、等等。树是由n(n>1)个有限结点组成一个具有层次关系的集合。把它叫做"树"是因为它看起来像一…...

编程日记 2025/8/20 23:51:09

UDP猜数字游戏与TCP文件传输案例解析

目录案例一：UDP协议实现的猜数字游戏游戏概述服务器端代码客户端代码 (udp_client.py) 游戏特点案例二：TCP协议实现的文件传输工具工具概述服务器端代码客户端代码工具特点总结对比案例一：UDP协议实现的猜数字游戏游…...

编程日记 2025/8/17 18:29:45

WPF View 与ViewModel注入对象

View 和ViewModel中使用同一个类型的类，注入的对象在主机中通过在服务中添加 AddTransient 获取的不是同一个对象，在 View 绑定了在ViewModel 中是取不到的，应该在View 中注入ViewModel 对象，使用View中的ViewModel对象里面的参数…...

编程日记 2025/8/16 23:43:18

如何下载免费地图数据？

按照以下步骤下载免费地图数据。 1、安装GIS地图下载器从GeoSaaS（.COM）官网下载“GIS地图下载器”软件：，安装完成后桌面上出现”GIS地图下载器“图标。双击桌面图标打开”GIS地图下载器“ 2、下载地图数据点击主界面底部的“…...

编程日记 2025/8/20 15:24:40

B端可视化方案，如何助力企业精准决策，抢占市场先机

在当今竞争激烈的商业环境中，企业需要快速、准确地做出决策以抢占市场先机。B端可视化方案通过将复杂的企业数据转化为直观的图表和仪表盘，帮助企业管理层和业务人员快速理解数据背后的业务逻辑，从而做出精准决策。本文将深入探讨B端可视化方…...

编程日记 2025/8/16 22:41:51

IAR打包生成的hex和.a文件的区别

IAR打包生成的hex和.a文件的区别在使用IAR Embedded Workbench进行嵌入式开发时，项目生成的文件中常见的两种文件类型是HEX文件和.a文件。它们在项目开发和部署过程中扮演着不同的角色。 HEX文件定义与用途 HEX文件是一种十六进制表示的二进制文件格式&#xf…...

编程日记 2025/8/19 15:11:15

黑马点评：Redis消息队列【学习笔记】

目录当前业务存在的问题认识消息队列 List PubSub (publish subscribe) Stream 单消费模式消费者组模式对比异步秒杀优化当前业务存在的问题 JVM内存限制：当前使用的是JDK提供的阻塞队列，使用的是JVM的内存，如果不加以限制&…...

编程日记 2025/8/21 11:13:21

thinkphp:部署完整项目到本地phpstudy

一、准备工作首先准备一个thinkphp的项目文件；准备mysql数据库二、小皮初步搭建 1、建立网站在小皮界面，网站->创建网站->输入域名，选择PHP版本等注：确保端口未被占用 2、将项目文件放入根目录网站->管理->…...

编程日记 2025/8/21 17:23:30

关于链接库

在 C# 中，链接库主要分为两种类型：托管链接库和非托管链接库，以下为你详细介绍它们的特点和导入方式： 托管链接库特点托管链接库通常是用 .NET 兼容的语言（如 C#、VB.NET 等）编写的，运行在…...

编程日记 2025/8/19 19:37:29

小程序返回按钮，兼容所有机型的高度办法

现象在使用返回按钮的时候在不同机型上返回按钮小图标位置总是不一样，一会高一会低。原因因为手机的状态栏一般是不一样的，导致设置固定高度的时候就随时在改变。解决办法直接获取胶囊按钮的top值和height值将返回按钮的top值设置为一样的&…...

编程日记 2025/8/22 11:01:32

Docker镜像迁移指南：从Windows构建到Ubuntu运行

Docker镜像迁移指南：从Windows构建到Ubuntu运行本文档详细介绍如何在Windows系统中构建SVM分类服务的Docker镜像，并将其迁移到Ubuntu系统中运行。项目概述本项目是一个使用FastAPI构建的SVM图像分类服务，可以将上传的图像分类为五种不同…...

编程日记 2025/8/22 9:52:04

XR技术赋能艺术展演｜我的宇宙推动东方美学体验化

本次广州展览现场引入我的宇宙XR体验模块，通过空间计算与动作捕捉技术，让观众在潮玩艺术氛围中体验虚拟互动，打造“看得懂也玩得动”的展演新场景。作为科技与文化融合的推动者，我的宇宙正在以“体验科技”为媒介，为潮…...

编程日记 2025/8/21 1:20:58

半导体制造如何数字化转型

半导体制造的数字化转型正通过技术融合与流程重构，推动着这个精密产业的全面革新。全球芯片短缺与工艺复杂度指数级增长的双重压力下，头部企业已构建起四大转型支柱： 1. 数据中枢重构产线生态台积电的「智慧工厂4.0」部署着30万物联网传感器…...

编程日记 2025/8/21 12:17:32

windows虚拟机隐藏“弹出虚拟驱动”

PVE8 上安装的windows虚拟机，SCSI控制器使用了VitrlIO，安装virtio驱动后，右下角有弹出选项，virtio驱动的网卡、Balloon、串口等设备都是标准的PCI设备，支持热插拔，因此Windows系统会在界面上显示设备可以弹…...

编程日记 2025/8/19 14:31:40

AI工具箱源码+成品网站源码+springboot+vue

大家好，今天给大家分享一个靠AI广告赚钱的项目：AI工具箱成品网站源码，源码支持二开，但不允许转售！！ 本人专门为小型企业和个人提供的解决方案。不懂技术的也可以直接部署工具箱网站，成为站长&…...

编程日记 2025/8/17 20:22:52

《MySQL基础：了解MySQL周边概念》

1.登录选项的认识 -h：指明登录部署了mysql服务的主机，默认为127.0.0.1-P：指明要访问的端口号，默认为3306-u：指明登录用户-p：指明登录密码 2.什么是数据库 2.1认识数据库第一点理解。 mysql是数据库的客户…...

编程日记 2025/8/20 2:21:47

零基础上手Python数据分析 (15)：DataFrame 数据排序与排名 - 快速定位关键数据

写在前面在上一篇文章中，我们学习了如何使用 Pandas 对 DataFrame 进行分组（groupby()）和聚合（agg(), apply(), transform()），这使我们能够从不同维度对数据进行汇总和分析。然而，仅仅得到聚合结果往往不够，我们经常需要知道 “谁是第一？”，“哪些数据排在前面/后面…...

编程日记 2025/8/22 3:43:50

案例驱动的 IT 团队管理：创新与突破之路：第五章创新管理：从机制设计到文化养成-5.1 创新激励体系-5.1.2 OKR 与创新项目的结合

👉 点击关注不迷路 👉 点击关注不迷路 👉 点击关注不迷路文章大纲 OKR 与创新项目的结合：驱动 IT 团队突破性创新的机制设计1. 背景与挑战：创新管理的核心痛点1.1 传统绩效管理体系的失效1.2 OKR 的适应性优势 2. 机制…...

编程日记 2025/8/20 4:42:28

数据库10（代码相关语句）

while循环 declare avgprice numeric(10,2) set avgprice(select avg(price)from titles) //自定义参数 while avgprice<10 //循环条件 begin update titles set priceprice*1.1 end //循环语句操作，当avgprice<10,所有price都加0.1 case语句查询authors表…...

编程日记 2025/8/19 23:08:30

【Pandas】pandas DataFrame tail

Pandas2.2 DataFrame Indexing, iteration 方法描述DataFrame.head([n])用于返回 DataFrame 的前几行DataFrame.at快速访问和修改 DataFrame 中单个值的方法DataFrame.iat快速访问和修改 DataFrame 中单个值的方法DataFrame.loc用于基于标签（行标签和列标签&#…...

编程日记 2025/8/21 1:32:19