清华源下载符合自己系统的最新版（尽可能下载新的，否则pytorch也不能安装比较新的版本）在文件最后部分插入以下两行内容。2、装nvidia驱动。3、装anconda。3、装pytorch。

2）relu单元在训练中将不可逆转的死亡，导致数据多样化的丢失。如果学习率设置的太高，可能会发现网络中40%的神经元都会死掉（在整个训练集中这些神经元都不会被激活）。在神经网络中，隐含层的激活函数，最好选择Relu。1）relu的导数在大于0时，梯度为常数，不会导致梯度弥散。在小于0时导数为0，当神经元激活值进入小于0，梯度为0，也就是说，这个神经元不会被训练，即稀疏性。Relu是将所有的负值都为

损失函数可以分为三类：回归损失函数、分类损失函数和排序损失函数1、L1 loss计算实际值和预测值之间的绝对值之和的平均值。y表示标签，pred表示预测值。（回归问题），当目标变量的分布具有异常值时，即与平均值相差很大的值，它被认为对异常值具有很好的鲁棒性。import torchdef lossTest():input=torch.randn(3,5,requires_grad=True)tar

清华源下载符合自己系统的最新版（尽可能下载新的，否则pytorch也不能安装比较新的版本）在文件最后部分插入以下两行内容。2、装nvidia驱动。3、装anconda。3、装pytorch。

1、安装依赖sudo apt install ca-certificates curl openssh-server postfix对于postfix的安装，域名后续可以更改2、安装gitlabcd /tmpcurl -LO https://packages.gitlab.com/install/repositories/gitlab/gitlab-ce/script.deb.sh可以随意检查下载

paddleocr在部署时候时，不同硬件平台兼容性做的不好，x86平台要用inference，arm用lite，为适配不同平台，采用MNN来进行推理。导成inference.pdiparams和inference.json。采用python3.10版本，结合PaddleOCR 3.4.0，paddlepaddle_gpu更换为3.2.1版本。3、PaddleOCR 3.4.0版本。安装版本v2.1

1、RCNN的关键点(1) 用selective search生产RP(Region Proposals),RP的大小不一样，之后通过warp，把RP变成统一的227*227的大小(2) 将227*227的RP输入到CNN中进行特征提取(3) 用独立的SVM对RP进行特征分类(4) 用Bb回归（Bounding box regression）校正原来的RP，生产预测窗口的坐标2、fast rcnn

1、服务器中实用NVIDIA A100并且装有cuda 12.4版本，而paddlepaddle-gpu比较接近时cuda 12.3版本。格式分布如上，图片数据：data_dir+第一个数据。

1、在vscode界面，按"ctrl+"进行设置界面，搜索Format2、设置保存文件时，按格式对代码排版3、向下拉，在框内输入Google，按照谷歌代码格式排版4、 使用方式，打开c++代码文件当文件保存时，自动按照谷歌代码风格进行格式化代码。或者进行shift+ctrl+i进行保存。...

1、点乘--A*BA*B是以数学运算中矩阵相乘的方式实现的，即Mat矩阵A和B被当做纯粹的矩阵做乘法运算，要求A的列数等于B的行数时，才能定义两个矩阵相乘。如A时m*n矩阵，B是n*p矩阵，乘积AB是一个m*p矩阵。参与点乘的两个Mat矩阵的数据类型只能是CV_32F、CV_64FC1、CV_32FC2、CV_64FC2这4种类型中的一种。2、dot--A.dot(B)相当于数学向量运算中的点乘，