【PyTorch】

学习方法

监督学习、无监督学习、半监督学习、强化学习

PyTorch 训练过程（Training Process）

加载数据：通过 DataLoader 加载数据。
定义损失函数和优化器。
前向传播（forward）：计算模型的输出。
计算损失（loss）：输出和真实值之间的差距。
反向传播：通过 loss.backward() 计算梯度。
更新参数：通过 optimizer.step() 使用优化器根据梯度更新模型的参数
重复上述步骤，直到达到预定的训练轮数。

绘制 Loss/Accuracy 曲线的方法
使用 TensorBoard 分析的方法
六、模型应用
图像分类、图像分割、目标检测的实现
对抗生成、循环网络等场景的应用

优化器的两个核心

梯度下降方法：参数更新方向
学习率：参数更新程度

正则化

归一化、标准化

超参数