熵 H(P)：真实分布 P 自己的不确定性。交叉熵 H(P,Q)：真实分布是 P，但用模型分布 Q 去描述它的总代价。KL 散度 D_KL(P||Q)：用 Q 描述 P 时，比用 P 自己描述自己多出来的额外代价。信息量表示某个事件发生后带来的意外程度，概率越小，信息量越大。熵是一个分布自身的平均信息量，可以理解为系统自己描述自己。交叉熵是用另一个分布 Q 去描述真实分布 P 的平均代价。KL 散

yolo项目介绍，如何训练自己的数据集做推理

ollama本地部署（Linux参考，autodl租用服务器）