节点看上去略多了些，其实都是老朋友了，而且在涉及到视频的工作流也经常用到，也很简单，熟悉了就好。这个视频我不是用了额外的资源嘛，其实还是有点贵的，生图和视频分镜都要算钱。按照视频的内容，如果是普通人估计没啥人看，换成萌宠真的就太可爱，忍不住的想看下去。（额外付费的密钥，不做推荐）、每次循环的提示词，确定模型的版本与图片的比例。这里调用的是即梦的视频生成插件，也是需要额外的资源点，不做推荐哈。没有太

本章主要了解与学习量化的基础原理，并使用Onnx对yolov8进行动态与静态量化实践。

从前三者都是为了更好的理解数据流。适合有深度学习基础无目标检测经验的同学。（项目代码待整理完上传github）

块的滑动步长为 blockStride，在 winSize 窗口内滑动，对每个块内的所有细胞直方图进行归一化处理（常用 L2 归一化），消除光照、对比度变化带来的特征偏差（比如同一目标在亮处和暗处的梯度幅值差异）。正样本：裁剪好的「仅包含目标」的图像块（尺寸和 HOG 的 winSize 一致，比如 64x64），提取 HOG 特征后，标注为「1」（是目标）。所有尺度下的窗口，都会映射回原始图片的

块的滑动步长为 blockStride，在 winSize 窗口内滑动，对每个块内的所有细胞直方图进行归一化处理（常用 L2 归一化），消除光照、对比度变化带来的特征偏差（比如同一目标在亮处和暗处的梯度幅值差异）。正样本：裁剪好的「仅包含目标」的图像块（尺寸和 HOG 的 winSize 一致，比如 64x64），提取 HOG 特征后，标注为「1」（是目标）。所有尺度下的窗口，都会映射回原始图片的

本章了解与学习RAG、Agent、AIGC的基础概念、关系、核心技术等

之前看了大部分博客没有说要设置if_sheet_exists参数，在某一篇（https://blog.csdn.net/weixin_51591389/article/details/129795842）中提到了，不过参数设置的是’overlay’，我的出现报错，可能是版本问题。两个print不一样，如果不设定sheet_name为None，默认指读取一个sheet，即df1的keys为表格的列名