你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：撤销：Ctrl/Command + Z重做：Ctrl/Command + Y加粗：Ct

coze工作流报错{ "$warning": "workflow cancel by system" }

锚框：大多数目标检测是基于锚框：1.提出多个锚框（边缘框）2.预测锚框中是否含有关注物体3.如果含有关注物体，进行偏移，调整锚框到真实边框IoU交并比：计算两个框之间的相似度。取值范围0-1，0代表无重叠，1代表重合。

这里我在train.py脚本文件中果然没有找到–local-rank参数，在很多的parser.add_argument后添加一行parser.add_argument(“–local-rank”, type=int)，注意在最后添加而不是刚开始，如果刚开始添加会导致传入参数不匹配而报错。含义：表明在运行 train.py 脚本时，传递了一个未被识别的参数 --local-rank=1。

与L2 Loss（也称为Mean Squared Error）相比，L1 Loss更加鲁棒，对于异常值（outliers）的容忍性更高。因此，在某些需要考虑异常值的任务中，例如目标检测、人脸识别等领域，L1 Loss被广泛应用。L1 Loss（也称为Mean Absolute Error）是深度学习中常用的一种损失函数，用于衡量模型预测结果与真实标签之间的平均绝对误差。表示模型对于样本i的预测标签

使用终端命令安装：