tanixn的博客

提取网络中的参数并对其进行初始化。nn.module()中有两个关于参数的属性。和。前者是给出网络层的名字和参数的迭代器；后者给出一个网络的全部参数的迭代器。#给出网络层的名字#对权重进行初始化，权重是variable，取出其data属性即可。输出的网络层的名字。

f(x)是拟合的直线的值，实际值是y。现在的目的是要f(x)尽可能地接近y。而一般使用点到直线（拟合的直线）的距离差异来衡量接近程度。大致流程与一维回归相似，只是需要拟合的函数表达式变成了高次多项式，不是简答的直线方程（一元一次函数）。拟合出一条尽量符合（穿过）最多数据（点）分布的直线。可以得到一个关于a，b的二元函数。基于均方误差最小化来进行模型求解的方法也称为“最小二乘法”。因此通过对损失函数求偏导找到极（小）值即可得到最优参数。而对于一个一元函数，我们知道极值是在它导数为0处取得。

深度学习学习需要一定的python语言基础和微积分、线性代数的基础。bilibili上播放量较高的快速入门视频即可，了解python的基本操作即可。在后续的学习过程中遇到不会的再去搜索学习即可。快速上手，在实践中学习最好。深度学习中有大量的矩阵运算。不会线性代数也可以玩深度学习，但是在理论上理解起来会吃力。，Gilbert Strang老爷子讲得非常透彻；深度学习的根本即机器学习，但是对于快速上手，可以从一些简单的学习资源上入手。大概了解即可，对于数学推导部分有不会的可以暂时跳过。