是因为pytorch1.6的版本不支持gpu硬件RTX 3090，需要下载更高版本的pytorch才行。下载1.8以上版本的pytorch,算力要支持。报错信息：安装带gpu的pytorch的时候，

如果想进行python学习，下面是一条很详细的流程图，具体学习内容参考黑马的培训：http://www.itheima.com/不打广告，不打广告！黑马的课程在b站和淘宝都可以找到，自学能力差请培训！python开发手册1、python从入门到精通知识框架2 、正则表达式3、数据库4、数据结构与算法5、计算机基础6、GUI框架7、WEB框架8、前端知识hml、cs9、python数据处理numpy

YOLOv3是在YOLOv2的基础上进行改进，没什么大的改动和创新点，而是融合借鉴了很多在其他的方案，最后效果还是很好的，文章中自己也提到了：“We made a bunch of little design changes to make it better”，YOLOv3的论文是《YOLOv3: An Incremental Improvement》，真的是个很低调的题目，没有Better,

https://malagis.com/arcgis-desktop-10-4-1-full-installation-tutorial.html

深度学习的一些原理卷积计算这个就是普通的卷积计算原理，输入有3个通道，输出有2个通道，没加激活函数等。如上图所示，输入有3个通道，输出有2个通道，也就是有2个卷积核（一个卷积核就是322）。对于每个卷积核，先在输入3个通道分别作卷积，再将3个通道结果加起来得到卷积输出。所以对于某个卷积层，无论输入图像有多少个通道，输出图像通道数总是等于卷积核数量！（1）参数量就是：输入通道数卷积核的宽度卷积核的高

Overfeat1 Overfeat1.1 简介1.2 结构1.3 特点1 Overfeat1.1 简介OverFeat 是早期经典的 One-Stage 目标检测的算法。这篇论文使用了很少的改动，把同一个 CNN 网络用到了三个计算机视觉的任务上（分类，定位，检测）。论文链接：https://arxiv.org/pdf/1312.6229.pdf1.2 结构https://blog.csdn.n

上下文就是图片中某个区域与周围区域的关系，在考虑某个区域图像时也要考虑它和周围图像的关系

本文只是给你个空间分析的大体概述，如果理解了这个概述，那就做空间分析没有任何问题。无非就是关注5个方面，不论是科研还是工作：（1）解决的问题，要干啥事情（2）需要的数据，数据要哪些，多大尺度（3）分析方法，方法都列出来了，选择看看哪种合适，就看视频看书看案例学着用就行了，一天怎么也学会一种方法了。（4）结果分析，得到什么结果为什么是这个结果（5）展示预测，就是做图或提建议时空统计1 时空数据1.1

深度学习发展历程的地方发

1 模型的输出基本上分为3种情况，当然还有其它的：（1）分类：2分类，多分类，对应输出为一个预测向量，可以是1个，两个，多个（2）目标检测：对应二维矩阵m*n,m行代表有m个目标，n列代表n个特征预测值，x,y,类别类型。（3）语义分割：2 二分类sigmoid输出通道维度是1，用sigmoid输出通道维度是2，用softmax3 多分类多分类用softmax，同时注意算不算背景，多分类考虑不考虑