经过以上步骤后，我们在官方下载的 yolov5-5.0 代码中的 train.py 文件中指定代码处进行修改，如下所示，将data/coco128.yaml修改成mydata.yaml（我们在第1步创建的文件）即可。有两行代表有两个类别，0表示第一个类别，1表示第二个类别 ，我们刚刚设置第一个类别是狗，第二个类别是人，第三个类别是汽车。train后面是训练集的路径，val后面是验证集的路径 ，my

官方给出的定义是：即：数据加载器。组合数据集和采样器，并在数据集上提供单进程或多进程迭代器。换句话说，通常在训练时我们会将数据集分成若干小的、随机的批（batch），这个操作当然可以手动操作，但是pytorch里面为我们提供了API让我们方便地从dataset中获得batch，DataLoader就是来解决这个问题的。它的本质是一个可迭代对象，即经过DataLoader的返回值为一个可迭代的对象，

方法1：#define pi 3.1415926方法2：使用反三角函数const double pi = acos(-1.0);标准的 C/C++ 语言中没有π这个符号及常量，一般在开发过程中是通过开发人员自己定义这个常量的，最常见的方式是使用。

你带小朋友去动物园，小朋友看到水里面有一只毛茸茸的小动物，他从来没有见过这种动物，所以他想知道这种动物是什么，虽然小朋友没有见过这种动物，但是他学过如何区分动物，他有自主学习的能力。现在你给他一堆卡片，每张卡片上有一个动物的图片和动物的名字，小朋友既没有见过眼前水里面的动物，也没有见过这些卡片上的动物，但是小朋友很聪明，他把卡片翻一遍，就知道自己眼前看到的动物是水塔了。而多任务学习是基于多个不同的

我们设置padding参数为1，则会在原输入图像周围拓展一行一列，且填充数据默认为0，如下图所示。0000000012031000123100121000052311002101100000000卷积核不变，按照前述规则，先匹配，再计算，最后得到结果。下图为第一次匹配结果。卷积之后的结果为：来看看代码运行结果。