整体架构 图上全部为训练过程，去掉虚线框里的就是推理过程（没有正确答案输入的部分了） Word Embedding词嵌入将输入(输入句子有m个词)转化为向量，假设嵌入维度为n，则一个词对应一个n维向量，整个向量维度为m x n。 Posit

CLIP:Constrastive Language-Image Pre-training 概念embedding：一种将高维数据(如文本或图像)转换为较低维度的向量表示的技术 结构 推理过程把需要分类的图片送入image encoder得

概念bbox(Bouding Box边界框)：包含物体的最小矩形 NMS(非极大值抑制Non-Maximum Suppression)：选出IoU值最高的框，去掉与它的IoU值较高的框（即重复区域较大），然后再选出IoU次大的框，重复上述过

架构分析第一次作业 三种线程：输入线程、调度线程、电梯线程 输入线程和调度线程共享waitQueue队列，调度线程和电梯线程共享processingQueue队列（有六个，放一个列表里统一管理）。 Passengers类用来放进入电梯的乘客

概念zero-shot learning(零样本学习)：让机器具有推理能力，例如在目标检测中，希望模型可以对从未见过的类别进行分类 开放世界目标检测：在每一个场景中检测每一个类别，应该有能力利用具有异构标签空间的多个来源的图像用于训练和推广

进程与线程进程概念的引入两个基本概念：并发与并行并发：宏观同时，微观交替 并行：同时 并发性的确定—Bernstein条件定义： R(Si)：Si的读子集, 其值在Si中被引用的变量的集合 W(Si)：Si的写子集, 其值在Si中被改变的