博客迁移与部署记录
我本来的博客是部署在github pages上，后来迁移到了netlify上，但是总是效果不佳（访问速度慢、国内访问失败）。于是在2026年初，重新托管到了cloudflare pages上面，CF的好处是速度明显变快（得益于其CDN），局限性是国内IP访问依然失败，于是购入一个域名liu-cy.top,依旧选择了cloudflare托管，同时更换了图床为Cloud Flare R2+picl ...
毕业设计文献阅读——[CVPR2023]Person Image Synthesis via Denoising Diffusion Model
本文的主要贡献
首次将Diffuse Model用于姿态引导任务合成
设计了一个叫 “纹理扩散模块（Texture Diffusion Module）” 的新组件，为了处理长相（Appearance）和动作（Pose）之间复杂的关系。 它能找到源图像和目标图像之间的对应关系（Correspondences），从而生成没有瑕疵（artefact free）的图片。
在生成图片的阶段（Sampli ...
毕业设计文献阅读——基于扩散模型的条件引导图像生成综述
大型文本生成图像模型1. 开山之作：Glide
地位：它是首个大型文本引导图像生成模型。
做法：它采用了“级联式架构” (Cascaded Architecture)。
通俗解释：它不指望一口气吃成胖子。它先生成一张很小的、模糊的图（$64 \times 64$），然后再用另一个模型把它放大、变清晰（$256 \times 256$）。
结果：比之前的模型（VQ-Diffusion等）真实感强 ...
Pytorch拾遗
深度学习拾遗dropout指的是每次更新参数的时候，随机抽取p比例的神经元不参与计算，也不更新权重。
一般来说，dropout在relu之后，即先激活，后dropout随即丢弃。
loss计算的是一个batch的均值。全体数据的 Loss 只有在验证（Evaluation）的时候，我们才会把所有 Batch 的 Loss 累加起来算一个总平均，用来评估模型好坏，但不用于更新参数。
pytorch语 ...
数据分析之ARIMA模型
ARIMA 全称是 差分整合移动平均自回归模型（Autoregressive Integrated Moving Average Model）。我们可以将其拆解为三个部分：AR（自回归）、I（差分项）和 MA（移动平均）。
1. 核心前提：平稳性 (Stationarity)在学习 ARIMA 之前，必须理解平稳性。这是所有时间序列建模的基石。
一个平稳的时间序列具有以下特征：
均值是常数（不 ...
