0：沿 X 轴翻转（垂直翻转）；1：沿 Y 轴翻转（水平翻转），-1：沿 X 轴和 Y 轴翻转（同时水平和垂直翻转）。

使用 HOG 特征或 CNN（卷积神经网络）进行人脸检测，提取人脸的特征向量（128维），并用于比较不同人脸之间的相似度。

输入的图像都很大，使用的话，计算的代价较高，图像也很难保留原本特征。）是一种专门用于处理具有网格状结构数据的深度学习模型。主要应用于计算机视觉任务，但它的成功启发了在其他领域应用，如等。；卷积层负责提取图像中的局部特征；池化层用来大幅降低运算量并特征增强；全连接层类似神经网络的部分，用来输出想要的结果。

隐藏层：relu 、tanh输出层：sigmoid、softmax。

保存方式：torch.打开方式：model = torch.

w 表示权重，lr表示学习率，grad表示梯度传统下降方式分三类：（BGD）批量梯度下降、（MBGD）小批量梯度下降、（SGD）随机梯度下降。第九点 线性回归的第5点。

Ollama软件下载的模型一般都是别人好的，且模型文件与HuggingFace等平台不一样，使用为主，没有官方API可以对模型微调（教程都是cpp这类的，没必要这么麻烦去操作），所以你如果只是使用大模型，那就Ollama，如果需要微调去部署等操作，去HuggingFace等网站下载模型文件。

Ollama软件下载的模型一般都是别人好的，且模型文件与HuggingFace等平台不一样，使用为主，没有官方API可以对模型微调（教程都是cpp这类的，没必要这么麻烦去操作），所以你如果只是使用大模型，那就Ollama，如果需要微调去部署等操作，去HuggingFace等网站下载模型文件。

已知另一个随机变量或事件的条件下，该随机变量的概率分布：F(x|A)=P(Xx | A)例如：概率密度函数如图，求在X>1的条件下f(x)的条件分布函数解：F(x | X>1) = P(Xx|X>1)=P(X求分子：P(1Xx) =1/dx= 1/- 1/4求分母：P(X>1) =1/= 1/= 1//2 - 1//4 = 1/4则整个结果为 （arctan(x)/-1。

衡量随机变量或一组数据的离散程度，反映了数据点与其平均值之间的偏离程度（方差越大，数据点越分散；方差越小，数据点越集中）。DX=E[]=E()-方差 DX ，平均差 二次根号DX对于两个随机变量 X 和 Y ，协方差定义为Cov(X,Y)=E[(X−EX)(Y−EY)] =E(XY)−EXEY。