int（整数）：无小数部分的整数，可正可负，支持任意大小（无需担心溢出）。a = 10（正整数）、b = -5（负整数）、c = 0（零）、（极大整数，Python 原生支持）。float（浮点数）：带小数部分的数值，本质是二进制浮点数（可能存在精度误差）。e = 3.14f = -0.5g = 2.02.0是 float，而非 int）、h = 1e5（科学计数法，等价于100000.0comp

深度学习通过 “层级化特征学习” 和 “端到端优化”，彻底改变了人工智能的发展轨迹，从图像识别、语音助手到自动驾驶、大语言模型，深度学习已渗透到生产生活的方方面面，成为推动 “智能化革命” 的核心技术。然而，深度学习并非 “万能钥匙”，仍面临数据依赖、可解释性差、鲁棒性不足等挑战。

深度学习通过 “层级化特征学习” 和 “端到端优化”，彻底改变了人工智能的发展轨迹，从图像识别、语音助手到自动驾驶、大语言模型，深度学习已渗透到生产生活的方方面面，成为推动 “智能化革命” 的核心技术。然而，深度学习并非 “万能钥匙”，仍面临数据依赖、可解释性差、鲁棒性不足等挑战。

我这里有一下ubunt系统必备的安装软件包，定期更新链接: https://pan.baidu.com/s/1wmwExMobMvaAjSGaWx_SGA?pwd=ejfq 提取码: ejfq--来自百度网盘超级会员v2的分享linux安装指令：ctrl + win + t 打开终端下载指令sudo apt intalll 软件包路径。

我这里有一下ubunt系统必备的安装软件包，定期更新链接: https://pan.baidu.com/s/1wmwExMobMvaAjSGaWx_SGA?pwd=ejfq 提取码: ejfq--来自百度网盘超级会员v2的分享linux安装指令：ctrl + win + t 打开终端下载指令sudo apt intalll 软件包路径。

分类维度方法名称核心特点适用场景计算方式与批次标准反向传播1 样本 1 更新，噪声大，内存低极小数据、内存极度受限批量反向传播全样本 1 更新，梯度准，内存高小规模数据、理论研究小批量反向传播折中方案，效率高，平衡好主流场景（图像、NLP、检测等）内存与计算权衡梯度检查点存检查点，重计算非检查点，内存降 30%-80%超大模型（千亿参数 Transformer、深 ResNet）反向重计算不存激活

不用一个一个下载，做成requirements.txt放到项目文件夹里面打开终端激活环境输入指令pip install requirements.txt。路径：ultralytics-main\ultralytics\cfg\models\11\yolo11.yaml。路径：ultralytics-main\ultralytics\cfg\datasets\coco8.yaml。选择打开文件夹位置

不用一个一个下载，做成requirements.txt放到项目文件夹里面打开终端激活环境输入指令pip install requirements.txt。路径：ultralytics-main\ultralytics\cfg\models\11\yolo11.yaml。路径：ultralytics-main\ultralytics\cfg\datasets\coco8.yaml。选择打开文件夹位置