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

预备知识：链接与装载gcc调用包含的几个工具 cc1: 预处理和编译器 as: 汇编器 collect2: 链接器 ELF(Executable and Linkable Format)——可执行文件格式 几个重要节头： .bss:

作业最终架构如图 迭代中的架构调整及考虑 operate指令执行调整：可以说是我花时间最久，改动最大的一次架构调整了。最初我使用if-else处理指令输入(因为switch-case要消耗更多行，所有没用)，但是每次迭代指令种类都在增加，

yolov5前期配置和运行参考资料：Yolov5训练自己的数据集（详细完整版） 注：VOCData文件夹（可以自己命名）下的images和labels文件夹不能叫别的名字！ 使用镜像源安装库： pip install -r requirem

作用 决定需要关注输入的哪部分：在处理大量信息时，注意力机制能够帮助模型或个体确定哪些部分是重要的，并集中资源进行处理。例如，在机器翻译任务中，注意力机制可以帮助模型确定源语言句子中哪些词汇对目标语言的翻译更为重要。 分配有限的信息处理资源

查看已创建的环境。使用命令 conda info --envs 或 conda env list 可以显示所有已创建的环境。 创建新环境。使用命令 conda create -n env_name python=3.7 可以创建一个名为e

卷积神经网络构成部分$$n_H^{[l]} = [\frac{ {n_H^{[l - 1]} + 2{p^{[l]}} - {f^{[l]}}}}{s^{[l]}}] + 1$$$$n_W^{[l]} = [\frac{ {n_W^{[l

操作系统的概念和功能概念负责管理协调硬件、软件等计算机资源的工作，为上层用户、应用服务提供简单易用的服务，是一种系统软件 UI ABI：可以通过相应的编程语言使用这些接口，以便操作计算机系统来完成某项特定任务 API：将程序与操作系统、硬

正交化正交化是指每个参数只控制一个维度的效果 单一数字评估标准评估分类器的一个合理方式：观察它的查准率(Precision)和查全率（Recall） 查准率：衡量预测的准确性。如：分类器标记为猫的例子中，有多少真的是猫 查全率：衡量发现所