会将“.......!\n\n<|endoftext|>” 中两个连续的\n识别成两个单词，没有找到较好的解决方法，只能按照<|endoftext|>把整个文本切割开分别处理。而在“......!\n\n”中将两个连续\n识别到一个单词去。关于特殊字符\n\n<|endoftext|>的识别问题。

1.安装环境能用国内镜像源的话请尝试，速度快很多。

https://31.gptchinese.app/ 这是一个假的吧，但用着还可以，可以试用，试用次数有限制，但是可以在浏览器无痕浏览模式下多次使用。https://www.chatgptol.cn/ 这也是一个模仿的chatgpt吧，需要登录，我没用过，感觉不会太离谱吧。你们有兴趣可以试着用一用啊。

这是因为一种rectangle增强方法，“同个batch里做rectangle宽高等比变换， 加快训练 ，对于多余的黑边做到最小，实现降低计算量”具体查看。所以，你只需要在调用val时，增加rect=False即可。1.如果你想在训练过程中的验证阶段关掉增大，使数据保持640。遇到这样一种情况：img_sz=640,但在val时，输入网络的张量h和w是672。2.如果你想在单独验证测试集时关掉这种

defalt.yaml中的close_mosaic参数。

改了predictor 却影响了正常train。

文件ultralytics/models/yolo/detect/val.py中 第157行左右。

使用了没有实现cpu版本的可变性卷积的话，会对yolov8源代码作比较大的修改，尤其是对模型往gpu迁移的处理。由此导致get_flops函数中thop.profile无法计算出结果，会报异常。目前没有找到解决办法。

资料：手把手教你YOLOv8画对比图，画改进后的对比图，支持多个实验结果，写作和科研必备(全网最详细)_yolov8绘图-CSDN博客

使用了没有实现cpu版本的可变性卷积的话，会对yolov8源代码作比较大的修改，尤其是对模型往gpu迁移的处理。由此导致get_flops函数中thop.profile无法计算出结果，会报异常。目前没有找到解决办法。