老师，我的想法是一次step是一条样本加入到模型里面，再用Droppout，不知道这么想是不是对的。还有一点我没有想明白，一个神经网络，在进行训练的时候，只进行一次正向传播，然后再进行梯度的更新，w参数调整我没有想明白

和一楼的问题一样，不应该是补六行吗

老师好，这里的gt是不是人工打的标签吗？但是faster rnn 不是直接端到端不需要使用ss了，怎么还需要人工打标签啊

427除2不是余1吗，不应该是补六行加上原本的一行吗

这里说的1*1的卷积核是不是默认和输入值得通道数相同啊，也就是1*1*128

老师，我想问下在RPN网络最后得到的Top200全部都是p正，那么p负怎么得到呢

老师，分子不就是前t-1次的梯度之和吗？为啥不能为负，没有明白

这里的不是我们前面 40*60*9个 anchoe box里面去进行分类的正例和负例吗？其次就是负例前面说的不是IOU <0.3就是负例吗？

老师，这里的img_info他是将生成的框映射回原图吗？这个框是根据分类的概率和回归的偏移量求出的吗?ROI前做NMS是对原图做还是对特征图做呢？

老师，这里的proposal是判为正例的，根据anchor box来新生成的 框吗？还是就是 anchor box?

老师，问一下，这里的36，他是包含正例和负例的吗？

老师，我想问下只有图片这种输入数据才有数据增强吗？音频有没有数据增强呀。

老师，为什么要用高斯除噪使得图像变得模糊呀，图像不是越清晰
越容易识别嘛？还是说这么做的目的是提高它的泛化能力呀？

老师，我想问下卷积核的那个3X3矩阵是怎么得到的呀？里面的元素是由我们自己去设定的吗？

padding模式的补零，到底补的是黑色还是白色