想要提问一下代码该如何使用

问题遇到的现象和发生背景

各位机友们好，我是一个即将大学毕业的学生，所学专业并非计算机相关的专业，但是毕业的论文选题跟人工智能息息相关，我的论文讨论的是海员安全帽的佩戴检测方法，我的论文思路是Pytorch里运行YOLOv5训练自己的模型来进行安全帽的检测。目前进行到了数据集制作的部分。利用labelimg标注数据和数据集准备，我用labelimg标注好了数据，接下来的一步是目标检测算法，将数据集为划分训练集和验证集。但是博文里面给的接下来的步骤全是直接给了一串代码，本人因毕业论文刚接触不久不知道这串代码的作用，该如何使用这串代码，是应该插入到某个文件里面，还是建立一个文件把代码复制上去运行，一直是云里雾里的状态，望各位能不吝赐教。

这个是我参考的这篇机友的博文
https://blog.csdn.net/didiaopao/article/details/119927280?spm=1001.2014.3001.5501

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 你可以看下这个问题的回答https://ask.csdn.net/questions/7777435
• 你也可以参考下这篇文章：小工匠聊架构 - 缓存与数据库【双写不一致】&【读写并发不一致】解决方案一览
• 除此之外, 这篇博客: 论文笔记-理解和解决图卷积网络的性能退化问题中的 解决图卷积网络的性能退化问题-缓解方差膨胀技术 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
  

  论文提出的方案是：用每个节点特征的标准差的开p次方来缩放每个节点的特征向量，其中p>1，论文称其为节点规范化（NodeNorm），形式上可表示为
  
  其中σiσ_iσi​为节点的表征hih_ihi​的标准差，即σi=vari1/2σ_i = var_i^{1/2}σi​=vari1/2​，此处为了清晰起见，省略了层索引lll。

  在使用NodeNorm标准化之后，节点iii的标准偏差为σi1−1/pσ_i^{1-1/p}σi1−1/p​，如果σi>1σ_i>1σi​>1，则标准化后的标准差小于σiσ_iσi​。因此，一个较小的ppp可更严格地控制方差膨胀。当p=1p=1p=1时，所有节点的方差标准化为111。

  现有的层归一化(LayerNorm)（引用J. L. Ba, J. R. Kiros, and G. E. Hinton, “Layer normalization,”arXivpreprint arXiv:1607.06450, 2016.）也执行节点的方差缩放操作，形式上，层归一化形式上可表示为
  
  其中的⊙⊙⊙为按元素乘法，α=(α1,⋅⋅⋅αd)α= (α_1,···α_d)α=(α1​,⋅⋅⋅αd​)和β=(β1,⋅⋅⋅βd)β= (β_1,···β_d)β=(β1​,⋅⋅⋅βd​)为可学习的参数，ddd为h的维度，σiσ_iσi​为标准差，uiu_iui​为平均值。一个层归一化由三个基本操作组成：方差缩放、均值减法和特征线性变换（α和β是斜率和偏差）。特别是，LayerNorm中的方差缩放（variance-scaling）本质上是我们的NodeNorm。

  ps：这篇论文写作是真的不太行，看论文的过程太累了。

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^