概念：数据有输入变量x和输出变量y，找到输入变量和输出变量的关系 Y=F(X)不一定是函数，只代表输入到输出的一种关系机器学习分类：监督学习、无监督学习、强化学习监督学习分类：分类问题和回归问题分类：输出变量为有限个离散值（判断好坏/判断种类）回归：输出变量为连续性变量（预测房价/预测产量）MATLAB中（分类学习器和回归学习器）无监督学习：数据全部作为输入变量，没有输出变量，希望得到数据中蕴含的

参考B站教学视频：上一篇写了如何把模块放进自己的主干网络进行模块的融合，那么如果想要把模块A+模块B进行融合然后形成一个新模块C要如何做呢？

教你如何缝合代码模块

参考B站教学视频：上一篇写了如何把模块放进自己的主干网络进行模块的融合，那么如果想要把模块A+模块B进行融合然后形成一个新模块C要如何做呢？

概念：数据有输入变量x和输出变量y，找到输入变量和输出变量的关系 Y=F(X)不一定是函数，只代表输入到输出的一种关系机器学习分类：监督学习、无监督学习、强化学习监督学习分类：分类问题和回归问题分类：输出变量为有限个离散值（判断好坏/判断种类）回归：输出变量为连续性变量（预测房价/预测产量）MATLAB中（分类学习器和回归学习器）无监督学习：数据全部作为输入变量，没有输出变量，希望得到数据中蕴含的

是两种常见的池化操作，用来对特征图进行下采样，从而减少数据的维度，突出特征，同时降低计算成本。池化操作通常在卷积层之后进行，用来缩小特征图的尺寸，同时保持关键信息。

彩色图像中的每个像素颜色由R、G、B三个分量来决定，而每个分量的取值范围都在0-255之间，这样对计算机来说，彩色图像的一个像素点就会有256*256*256=16777216种颜色的变化范围！在下图的路径中，我们可以看到需要xml文件，这些都是OpenCV中自带的分类器，根据文件名我们可以看到有识别眼睛的，身体的，脸的，等等。彩色图片的信息含量过大，而进行图片识别时，其实只需要使用灰度图像里的信

特征金字塔介绍

在配深度学习环境每次想要训练模型都出现nvrtc: error: invalid value for --gpu-architecture (-arch)这个问题，换了无数个方法都没解决，一开始下载的torch和cuda版本是1.12.0+11.3，后来查了GitHub发现4090框架不支持还是怎么着，最后把torch版本卸掉重新下了1.13+11.6的版本，终于跑通了呜呜太感人了！

参考B站教学视频：上一篇写了如何把模块放进自己的主干网络进行模块的融合，那么如果想要把模块A+模块B进行融合然后形成一个新模块C要如何做呢？