0705练习

尝试建立基本的双层神经网络，以锻炼使用torch工具，遇到了问题：

1. 在绘制视图的时候，对不同的数据类型进行了运算
2. 弹出了警告信息。此警告表明在计算损失时，输入张量和目标张量的形状不匹配，可能会因广播机制产生错误结果。追溯问题，发现遗漏了torch的一个特性，即nn模块中，模型的处理是批量化的，输入的参数中第一个维度（tensor.shape属性）应该是批量数，所以需要使用.unsqueeze(1)人为增添维度。

                                  

纠正错误之后得到的结果：

结果并不好，根据损失函数图像的变化，推测模型还并未收敛完全，先尝试放大学习率，之后得到的结果为：

此时发现模型的拟合度大大提高，过拟合程度在可接受范围内，基本确认模型训练完成。

尝试训练三层神经网络，使其分辨出酒的各类特征与其质量之间的关系。

问题：不知为何三维视图表现极其诡异，尝试找出问题所在

解决：不同数据之间的数值间距区别过大，可以尝试更改数据或调整区间

从损失函数上来看，模型拟合良好。

现在尝试把模型转移到CUDA上进行训练。

遇到的问题：

1. 处于不同设备上的张量不能进行相互运算
2. Matplotlib 在绘图时需要将 CUDA 张量转换为 NumPy 数组，但 CUDA 张量无法直接转换，需要先将其移动到 CPU 上。

可以发现转移到GPU上进行运算后计算速度明显提高。