CNN 三大算子:CONV + BN +RELU1、为什么 BN指导思想：机器学习领域有个很重要的假设：IID独立同分布假设，就是假设训练数据和测试数据是满足相同分布的。具有统一规格的数据, 能让机器学习更容易学习到数据之中的规律。具体原因：随着网络加深，数据经过激活层后趋向两侧，梯度趋于消失，分布在敏感激活区域（中间部分）的数据减少。不利于网络收敛。BN 将数据从新拉回标准正态分布。如何 BN减

定义是否使用GPU可有可无，默认为 cpudevice = torch.device("cuda" if torch.cuda.is_available() else "cpu")训练数据：BATCH_SIZE = 64 ：批处理尺寸，即一次处理图像的张数加载训练数据 ： 以cifar10 为例trainset = torchvision.datasets.CIFAR10(root=...

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。

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

1、安装了opengl的核心库sudo apt-get install libgl1-mesa-dev*sudo apt-get install build-essential2、安装OpenGL Librarysudo apt-get install libgl1-mesa-dev3、安装OpenGL Utilitiessudo apt-get install libglu1-mesa-devs

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

例如我的是DELL， 开机F2 进入，在display 那里设置将。1、ubuntu 系统，自带的屏幕和外接显示屏幕只能使用一个。以上说明设备有冲突，与驱动无关，应该到 bios 下设置。安装显卡驱动后，nvidia-smi 驱动显示正常。则自带屏正常使用，外接屏无法识别。

首先使用 strings xxx.so | grep GLIBC_XX查看当前 .so 是否与GLIBC_xxx后面的version是否对应。给我这个虚拟环境加了一个环境变量，此环境变量目录下有libstdc++.so.6, 这样重启 conda 环境，就不再报错。如果 conda 环境中也找不到GLIBCXX_3.4.30，那就要安装升级 gcc。然后conda环境中的libstdc++.so.

可以看到 .cache .config .ros 占用大量空间。2、清理vscode 在.config中缓存。1、删除.cache 文件夹。

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。