虽然一个Token通常对应一个单词，但在一些情况下，它也可能是一个词组，甚至是单词的子部分。比如，它可以通过记住“de”和“bug”这两个Token，来扩展理解更多由相同子词构成的词汇，例如“debug”，“devalue”，甚至是“decrease”（减少）在Tokenization过程中，一个Token不仅仅可以是一个完整的单词，它还可以是一个词组，甚至是单词的部分，具体取决于上下文和算法。在

GPU 持久模式状态，On 或 Off两种状态，持久性模式决定了GPU初始化是否保持激活状态，开启后有助于避免GPU重复初始化，从而减少延迟。： 计算模式，Default 表示默认的计算模式，可能会有其他模式如 Exclusive, Prohibited 等。：GPU 实例 ID，适用于支持 MIG 的 GPU。：当前性能状态（P-State），取值范围为 P0（最高性能）到 P12（最低性能）：

是一个常用选项，用于自动确认所有提示。这意味着在运行命令时，不会提示用户进行确认操作，系统会自动回答“是”并继续执行。中科大:https://pypi.mirrors.ustc.edu.cn/simple/清华源：https://pypi.tuna.tsinghua.edu.cn/simple/阿里云：http://mirrors.aliyun.com/pypi/simple/豆瓣源：http:/

灾难性遗忘（Catastrophic Forgetting）是指在神经网络，尤其是深度学习模型中，当模型在学习新的任务时，往往会遗忘之前学过的任务或知识。这种现象通常发生在连续学习过程中，即模型必须依次学习多个任务时。随着新任务的学习，模型会在不加保护的情况下丧失对旧任务的记忆或表现，导致旧任务的性能显著下降。

在机器学习和深度学习中，数据集的划分是模型训练过程中至关重要的一步。常见的数据划分方式包括：训练集（Training Set）、验证集（Validation Set）和测试集（Test Set），本文将详细介绍他们的作用。

数据清洗是数据处理的一项重要步骤，对于深度学习算法至关重要，通常在采集到大量数据进行标注训练前需要做一些数据清洗工作。

训练深度学习模型涉及为其提供数据并调整其参数，以便它能够做出准确的预测。Ultralytics YOLOv8 的训练模式专为有效、高效地训练目标检测模型而设计，充分利用现代硬件的能力。本指南旨在涵盖使用 YOLOv8 强大功能集训练自定义模型所需的所有细节，帮助你快速入门。

如果模型中有BN层(Batch Normalization）和Dropout，在测试时添加model.eval()。保证BN层能够用全部训练数据的均值和方差，即测试过程中要保证BN层的均值和方差不变。如果模型中有BN层(Batch Normalization）和Dropout，需要在训练时添加model.train()。model.train()是保证BN层能够用到每一批数据的均值和方差。在测试集

数据清洗是数据处理的一项重要步骤，对于深度学习算法至关重要，通常在采集到大量数据进行标注训练前需要做一些数据清洗工作。

集成学习（Ensemble Learning）是一种通过结合多个模型的预测结果来提高整体预测性能的技术。它通过将多个学习器的结果集成起来，使得最终的模型性能更强，具有更好的泛化能力。常见的集成学习框架包括：Bagging、Boosting、Stacking。