小朱不爱吃米饭

读写文件，1.保存和加载张量，2.保存和加载模型模型参数

深度学习框架提供默认随机初始化参数，然而，我们经常希望根据其他规则初始化权重。深度学习框架提供了最常用的规则，也允许创建自定义初始化方法。 默认情况下，PyTorch会根据一个范围均匀地初始化权重和偏置矩阵，这个范围是根据输入和输出维度计算出的。PyTorch的nn.init模块提供了多种预置初始化方法。

独热编码： 逻辑回归的类别我们使用独热编码，独热编码是一个向量，有几个类别该向量就有多长，我们将类别对应的分量设置为1，其他所有分量设置为0。 激活函数：softmax softmax用于多分类过程中，它将多个神经元的输出，映射到（0,1）区间内，可以看成概率来理解，从而来进行多分类！ 假设我们有一个数组，V，Vi表示V中的第i个元素，那么这个元素的softmax值就是 交叉熵损失函数： 在分类问题中，我们使用的是交叉熵损失函数，而不是均方误差，均方误差是用来计算连续值的损失函数，理由如

线性回归是预测连续值的一种模型，是机器学习最基础的模型之一。可以看作是单层的神经网络。 1.线性回归模型： Y=XW+b X,W,Y均为张量 2.损失函数： 求解真实值和预测值之间的误差，在预测连续值时，我们常使用的损失函数公式为均方误差(平均平方误差)，公式如下： 我们训练模型的目的就是找出使损失函数值最小的权重参数W和偏置参数b。 参数迭代：求解各个参数的梯度(反向传播)，通过梯度下降(优化器)进行参数的更新。 3.梯度下降的方法： 小批量随机梯度..