创建一个大小为[max_len,embed_dim]的零张量#创建一个形状为[maxlen,1]的位置索引张量pe[:,0::2]=torch.sin(position*div_term)#计算 PE(pOs，2i)pe[:,1::2]= torch.cos(position*div_term)#计算 PE(pos，2i+1)#将位置编码张量注册为模型的缓冲区,参数不参与梯度下降，保存model的

1.会出现很多报错，首先是：module ‘PIL.Image‘ has no attribute ‘ANTIALIAS‘，解决：进入相应的.py文件中，将Image.ANTIALIAS改为Image.LANCZOS。2.其次是：AttributeError: ‘NoneType‘ object has no attribute ‘_free_weak_ref‘，解决：降级torch版本。具体版本

1.本周学习了YOLOv5-Backbone模块，YOLOv5 是一种目标检测算法，其 Backbone 模块是整个网络的重要组成部分，主要用于提取图像的特征。C3 模块是一种具体的网络结构模块，是构成 Backbone 的基本单元之一。2.与之前学习的C3模块相比，YOLOv5-Backbone模块具有更高的复杂性，尤其在训练时需要更多的epoch进行收敛。深度学习环境：torch 1.12.0

模型是一个卷积神经网络（CNN），模型中使用了批标准化（Batch Normalization, BN）和池化（Pooling）层，共有四组卷积和批标准化。2.加入acc计算后，计算的training_loss与给出的范例不太符合，且loss的数值过大。1.本周对无法分类的数据集，进行导入和识别，并搭建了相关的自建模型。