在机器学习领域，混淆矩阵（ConfusionMatrix），又称为可能性矩阵或错误矩阵。混淆矩阵是可视化工具，特别用于监督学习，在无监督学习一般叫做匹配矩阵。在图像精度评价中，主要用于比较分类结果和实际测得值，可以把分类结果的精度显示在一个混淆矩阵里面。在下图是否为猫的预测中，表格左上（实际为正和预测为正）和右下（实际为负和预测为负）是预测正确的值。根据左边表格的数据，可以得出右边表格中的数字，即

推荐与上一节搭配食用~

我需要运行一个和学校服务器连接并且需要用到OpenCV和cv中的imshow方法的代码，然后进行图片显示框的弹出，运行时出现了如下问题。如果重新打开服务器后又出现连接不上的问题，则重新按照第5步开始再进行配置，因为可能连接的display的localhost改变了，再设置一遍就行。这个问题花了我一天时间终于解决了，好感人，使用免费的软件vcxsrv，然后进行xshell、服务器和pycharm的配

我在运行yolov8的代码时，出现了。

参考 ： MMDetection全流程实战指南：手把手带你构建目标检测模型2. 安装GPU版本的PyTorch这里如果安装失败了需要去官网 pytorch官网 找对应的版本下载；先输入nvidia-smi命令查看可下载的cuda的最高版本我的可下载的最高CUDA版本为12.0，因此我选择11.8的这个下载命令进行下载下载后进行检验是否安装成功可以看到输出为true，安装成功。使用 OpenMMLa

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。

在图像上预设好的不同大小，不同长宽比的参照框。论文中设定每个区域可以生成k个anchor box。可以看到。

论文中从2000个候选框中选择64个候选框进行训练使用，其中如果与真实目标边界框的IOU值>0.5，则被认定为正样本，负样本则是与真实候选框的IOU值最大的且在(0.1 , 0.5]范围内的。

因为Gitee和GitHub使用方法差不多，所以本文以将代码上传到Gitee为例，GitHub操作类似。

1. 尺寸放大缩小2. 旋转（任意角度，如45°，90°，180°，270°）3. 翻转（水平翻转，垂直翻转）4. 明亮度改变（变亮，变暗）5. 像素平移（往一个方向平移像素，空出部分自动填补黑色）6. 添加噪声（椒盐噪声，高斯噪声）