首先更新索引，安装必要的依赖软件，添加新的 HTTPS 软件源使用下面的 curl 导入源仓库的 GPG key添加 Docker APT 软件源安装 Docker 最新版本换源 修改/etc/docker/daemon.json文件然后导入镜像仓库Docker 官方中国区：https://registry.docker-cn.com网易：http://hub-mirror.c.163.com中国

虽然自然图像的空间具有复杂的拓扑结构，但可以通过同调群 Hk 的近似来更好地理解，其中前 k 个群形成对拓扑的 k 阶近似。通过对我们的数据进行归一化，近似中的零阶项 H0 被消除。然后，一阶项 H1 包含自然图像的最基本结构，即线性梯度。由于线性梯度通常由它们的角度参数化，而角度自然地被圆形结构所包含，所以我们拓扑的一阶近似是一个圆。Carlssons的工作实际上表明第一贝蒂数是3，这表明 H1

目标检测 Object Detection ：检测，不仅要找到图片上的所关心的目标位置，同时还要识别出这个目标是什么类别。主流的目标检测都是以 矩阵框 的形式进行输出的，而语义分割比目标检测的精度更高。

李宏毅深度学习笔记《深度学习原理Pytorch实战》

使用要挂代理，要不然可能无法注册绑定手机号之后才能使用GPU每周30h免费GPU使用时长。

李宏毅深度学习笔记。

Conda创建环境相当于创建一个虚拟的空间将这些包都装在这个位置，不需要了可以直接打包放入垃圾箱，同时也可以针对不同程序的运行环境选择不同的conda虚拟环境进行运行。例如：env1装了pytorch1.0，env2装了pytorch1.2，需要使用1.0的时候激活env1，需要使用pytorch版本1.2的时候激活env2，这样就不用每次配环境一个一个包重新安装。

注意力机制：在处理信息的时候，会将注意力放在需要关注的信息上，对于其他无关的外部信息进行过滤，这种处理方式被称为注意力机制。注意力机制可以使模型在处理序列数据时更加准确和有效。在传统的神经网络中，每个神经元的输出只依赖于前一层的所有神经元的输出，而在注意力机制中，每个神经元的输出不仅仅取决于前一层的所有神经元的输出，还可以根据输入数据的不同部分进行加权，即对不同部分赋予不同的权重。这样可以使模型更

这里注意一点，你换了源之后就最好不要开代理了，要不然搞不好下载失败，pip和conda都是。

李宏毅深度学习笔记《深度学习原理Pytorch实战》