此模型训练的数据集是 torchvision 库中 datasets 数据包中的 MNIST 数据集MNIST 数据集中含有 70000 张由不同的人手写数字图像，其中60000张训练集，10000张是测试集每张图片都是灰度的，大小为28x28像素，且每张图片中的数字都是剧中的，以减少预处理和加块模型训练

深度学习中模型的部署是将训练好的模型应用到实际场景中的过程

YOLO（You Only Look Once）是一种目标检测算法，由Redmon等人在2016年提出。它的主要特点是速度快且准确性高，非常适合用于实时目标检测任务。

1、精确模式分词、2、全模式分词、3、搜索引擎模式分词、4、向jieba词典中添加一个新词、5、自定义词典，添加到jiba词库中

语法错误、六种典型的错误、捕获异常、用户自定义异常

dict全称dictionary，在其他语言中也称为map，使用键-值（key-value）存储，具有极快的查找速度。字典的创建使用大括号 {} 包含键值对，并用冒号 : 分隔键和值，形成 键:值 对。get()update()clear()可以使用花括号{}创建一个字典，并用冒号分隔键和值，用逗号分隔键值对。使用键来访问字典中的值。为什么dict查找速度这么快？因为dict的实现原理和查字典是一

请注意，''或""本身只是一种表示方式，不是字符串的一部分，因此，字符串'abc'只有a，b，c这3个字符。如果'本身也是一个字符，那就可以用""括起来，比如"I'm OK"包含的字符是I，'，m，空格，O，K这6个字符。计算机由于使用二进制，所以有时候用十六进制表示整数比较方便，十六进制用0x前缀和0-9，a-f表示，例如：0xff00，0xa5b4c3d2，等等。Python可以处理任意大小的

深度学习是一种基于神经网络的机器学习算法，其核心在于构建由多层神经元组成的人工神经网络，这些层次能够捕捉数据中的复杂结构和抽象特征。神经网络通过调整连接各层的权重，从大量数据中自动学习并提取特征，进而实现预测或分类等任务。

在神经网络中，损失函数、正则化惩罚和梯度下降是三个关键的概念，它们共同作用于网络的训练过程，以提升网络的性能和泛化能力。

文件是在训练过程中产生的，主要用于存储缓存数据。这些缓存数据是为了加速训练过程中的数据加载和预处理环节而生成的。图片数据（images）与标签数据(labels)分别存在不同的文件下。labels为存放标签数据的文件夹（标签数据与图片数据一一对应）)内容格式，这里只需要给定训练集和验证集的图片路径。images为存放图片数据的文件夹。train：训练集图片文件夹。train：训练集标签文件夹。va