Actor A：完成任务后发送消息给Actor B。Actor B：接收到消息后执行自己的任务。// Actor A// 模拟任务完成// 模拟耗时操作// 通知 Actor B});// Actor B// 模拟任务完成// 模拟耗时操作});//创建 ActorSystem// 创建 Actor B// 创建 Actor A，并传入 Actor B 的引用// 触发 Actor A 开始工作。

【代码】4.yolov5的损失函数的代码注释。

其实，yolov5模型可以分为深度网络、数据处理（图片处理）、损失函数、优化器选择、训练和预测及部分构成，相信大家对训练和预测的代码比较熟悉。前面两章我们根据代码和结构图了解了yolov5的深度网络，接下来看数据处理的部分。

return self.act(self.bn(self.conv(x)))#卷积->BatchNorm2d->激活函数->output。print("2.Conv函数-原矩阵：", (ss2-ss1).sum())#由于加入了归一化，所以原矩阵的值变小。#3.Focus网络处理数据结果640X640X3--->320X320X12------>320X320X64。print("1.激活函数-原

我们知道，在conv模块的conv2D函数里有pad填充参数，为了使填充后的矩阵维度和原矩阵维度相同，我们需要计算矩阵的上下左右各填充几行（列），而autopad模块的返回值就是计算的pad需要填充的单侧的行（列）数。#1.这个模块可以根据输入的卷积核计算卷积模块需要的pad值。# 如果有既定的 p ，则直接 return p，自动计算所需要的pad值。# pad是图片的上下左右要用0填充的尺寸，

本文属于 Pytorch 深度学习语义分割系列教程。Pytorch 的基本使用语义分割算法讲解点击查看本文主要讲解了训练模型的三个步骤：数据加载、模型选择、算法选择。这是一个简单的例子，训练正常的视觉任务，要复杂很多。比如：在训练模型的时候，需要根据模型在验证集上的准确率选择保存哪个模型；需要支持tensorboard方便我们观察loss收敛情况等等。

首先下载Anaconda3-2022.10-Linux-aarch64.sh，链接：https://pan.baidu.com/s/10oXSAaleAEoe6KaJ3IQyaw ，提取码：mtag。进入链接：链接：https://pan.baidu.com/s/1u14EuvcTLQbh8HN-gHrkqg ，提取码：hg6x ，获取rknn-toolkit2-master。下面一行表示每次打开

该博文已经写的很详细了，在这里作为笔记方便查看。等操作一遍后再更新。

【代码】10.python读取终端的rknn模型。

3.下载完后写一个spile_data.py文件，将数据集进行分类。4.再写一个train.py文件，用来训练模型。