手动清除中断挂起标志位，这里不写这行也行，因为USART_ReceiveData(USART1)会自动清除中断挂起标志位，这里写是给提个醒。pRxPacket：计数器，状态1时计数，到4之后转到状态2.在发送时通过帧头0XFF和帧尾0XFE把数据包裹起来发送。接收时通过中断响应接收，一个字节触发一次中断。RxState：状态机的状态，有0，1，2。

PIL：Python Imaging Library（Python 图像处理库），Image：图片处理模块。torch：库，utils：实用工具包，data：模块，Dataset：数据集类（身份证，实际用处不大）从self.image_paths列表中索引拿到图片，打开并返回一个图片对象。print(f'一共有{len(dataset)}张图片')os，模块，path路径子模块，join连接路径函

实例化SummaryWriter类的对象writer，将TensorBoard 的动作存入文件’logs‘SummaryWriter：类，负责把数据写进日志文件，供tensorboard使用。add_scalar：挨个描点，启动TensorBoard 后渲染成线。关闭writer对象，如果不关闭，程序中途崩溃，缓存里的数据可能丢失。tensorboard：模块，张量板，让训练过程显示在浏览器上。s

classes是列表，CIFAR10出生时自带，可以将label转化成name，比如label=1时，train_set.classes[label]是飞机.train_set[0]，train_set对象正常不能[0]，由于train_set[0]等价于train_set.train =True,（True，表示训练集，false，表示测试集）测试集：10,000张图片，每个类别有1,000张，

'./data',return xstep=0step+=1if step>5:breakprint('完成')Conv2d是的缩写，是。

运行 tensorboard --logdir=logs_sigmoid 查看效果")1.sigmoid函数：把所有实数收敛到0~1，负数越大越接近零，0收敛到0.5，正数越大越接近一。torchvision负责视觉图片方面，主要是数据集准备和常见的数据预处理张量化。再定义一个神经网络土堆，一般这里边会有很多操作，这题只有一个sigmoid操作，4.这道题的思路是，先准备一个cifar10数据集，

假设原图是32*32，卷积核是5*5，原来总共就是0~31行，如果不填充，卷积核只能在2~29行取到数，上下左右边缘的2行都被损失掉了，如果补上两行，padding=2的话，卷积核才能取到原来的32*32。#│└──────────── 第2个参数：out_channels（输出通道数）#└──────────────── 第1个参数：in_channels（输入通道数）print("完成！

==================== 2. 修改模型 (适配 CIFAR-10) ====================# ==================== 3. 模型保存 (P26) ====================# ==================== 4. 模型加载 (P26) ====================# ====================

output = torch.flatten(imgs, start_dim=1) ，从第1维开始展平，把1，2，3维的3，32，32乘到一起成为[64, 3072]，再通过tudui网络输出，3072输入进去，10输出来。print(f"flatten 后: {output.shape}")# [64, 3072]print(f"输入形状: {imgs.shape}")# [64, 3, 32,

运行 tensorboard --logdir=logs_sigmoid 查看效果")1.sigmoid函数：把所有实数收敛到0~1，负数越大越接近零，0收敛到0.5，正数越大越接近一。torchvision负责视觉图片方面，主要是数据集准备和常见的数据预处理张量化。再定义一个神经网络土堆，一般这里边会有很多操作，这题只有一个sigmoid操作，4.这道题的思路是，先准备一个cifar10数据集，