YOLO：一个目标检测算法 （使ai理解物体在空间当中的存在方式）传统目标检测方式：R-CNN，Fast R-CNN,Faster R-CNN这些方法都是先找到东西，再进行分类，耗时长、步骤多，对于算力的要求极高；而YOLO，速度快，精确度也非常高YOLO的运行机制：统一建模，划分出最合适的格子，依靠置信度（判断预测是否准确）去预测物体；采用NMS（非极大值抑制）：去掉重复框.（一）归一化混淆矩阵

YOLO：一个目标检测算法 （使ai理解物体在空间当中的存在方式）传统目标检测方式：R-CNN，Fast R-CNN,Faster R-CNN这些方法都是先找到东西，再进行分类，耗时长、步骤多，对于算力的要求极高；而YOLO，速度快，精确度也非常高YOLO的运行机制：统一建模，划分出最合适的格子，依靠置信度（判断预测是否准确）去预测物体；采用NMS（非极大值抑制）：去掉重复框.（一）归一化混淆矩阵

1. YOLOv5的核心架构由哪几个主要部分组成？2. YOLOv5是如何进行目标检测的，它的检测流程是怎样的？。3. 在YOLOv5中，如何准备自己的数据集进行训练？4. 怎样调整YOLOv5的超参数来优化检测效果？调学习率稳训练，调批次提精度，调置信度减错检，调轮数提效果，调数据增强防过拟合。5. YOLOv5中的损失函数是如何计算的，有什么作用？YOLOv5 用，分别约束，训练时不断减小总损