cv::Mat img1(h, w,CV_8UC3);cv::Mat img1(h, w,CV_8UC3, data);一般cv::mat 初始化后数据内存 data 段都是连续的， 可以用isContinuous()函数判断存储是否连续。切记！切记！切记！不连续不能当一维数组处理一般经过裁剪的Mat图像，都不再连续了，如cv::Mat crop_img = src(rect);crop_img

PyTorch学习路径摘要 本文系统介绍了PyTorch的学习路径，分为基础、进阶、高级和专家四个阶段。基础部分涵盖张量操作(torch.Tensor)和神经网络模块(torch.nn.Module)的核心概念；进阶部分包括线性层、优化器和数据加载；高级部分涉及卷积网络和预训练模型；专家阶段则深入自动微分和分布式训练。重点讲解了torch.Tensor的多维数组特性及其数学运算、索引方法，以及to

假设有M个真值正样本，我们从Top-1 到 Top-N，每累积一个预测就会对应一个recall 和 一个 precision。,M/M），对每一个recall，从对应的precision 中取最大值作为当前recall 对应的precision，求M 个precision的平均得到AP。一般用 IOU 进行匹配，预测框和真实框之间的 IOU 值大于一定阈值时，比如0.5，则认为对真实样本正确预测。

cv::Mat img1(h, w,CV_8UC3);cv::Mat img1(h, w,CV_8UC3, data);一般cv::mat 初始化后数据内存 data 段都是连续的， 可以用isContinuous()函数判断存储是否连续。切记！切记！切记！不连续不能当一维数组处理一般经过裁剪的Mat图像，都不再连续了，如cv::Mat crop_img = src(rect);crop_img

激活函数的目的就是：梯度为0， 无法反向传播，导致参数得不到更新：随着数据的变化，梯度没有明显变化：梯度越来越大，无法收敛梯度消失问题：1、反向传播链路过长，累积后逐渐减小2、数据进入梯度饱和区如何解决：1、选正确激活函数，relu, silu2、BN 归一化数据3、 resnet 较短反向传播路径4、LSTM 记忆网络。

正样本匹配：寻找负责预测真值框的先验框 （不负责的作为负样本或丢弃）正样本寻找过程：与以往的用IOU匹配不同，yolov5用如下2步骤进行正样本匹配：1、先验框尺寸匹配：目标框与先验框的宽比值、高比值的最大值 小于一定阈值，则为正匹配。

cv::Mat img1(h, w,CV_8UC3);cv::Mat img1(h, w,CV_8UC3, data);一般cv::mat 初始化后数据内存 data 段都是连续的， 可以用isContinuous()函数判断存储是否连续。切记！切记！切记！不连续不能当一维数组处理一般经过裁剪的Mat图像，都不再连续了，如cv::Mat crop_img = src(rect);crop_img

显卡对应算力。GeForce RTX 3070, 3080, 3090ARCH= -gencode arch=compute_86,code=[sm_86,compute_86]

假设有M个真值正样本，我们从Top-1 到 Top-N，每累积一个预测就会对应一个recall 和 一个 precision。,M/M），对每一个recall，从对应的precision 中取最大值作为当前recall 对应的precision，求M 个precision的平均得到AP。一般用 IOU 进行匹配，预测框和真实框之间的 IOU 值大于一定阈值时，比如0.5，则认为对真实样本正确预测。

【代码】openCV上图片显示中文c++