意思就是head=1时，head->next不满足NULL，到下一层；head=2时，head->next不满足NULL，到下一层；head=3时，head->next==NULL，输出newHead=3，因为节点包括数字与下一个数字地址，所以输出为3后返回上一层；上一层为head2时，执行反转，3->next=2->next=NULL;最后到head=1同理，2->next=1->next=NU

为了节约电脑内存，分成一个patch进行分割，其中有一部分要进行重叠，称为Overlap。这样做是为了确保边界处的特征也能被捕捉到，从而提高分割的准确性。）是深度学习中常用的一种激活函数层，其主要作用是在神经网络中引入非线性因素，使得网络能够学习和模拟更复杂的函数.目前采用的是进行padding操作，使尺寸不变，省去crop环节。分割图和原图572x572无关，只和388x388有关。

（比如 STM32F103xB，按你的芯片型号改，stm32f103c8t6属于xB）