本文主要从以下5个方面对之前所学知识做出总结：
1.创建模型的三种方法- 单层创建 nn.Linear
- 多层创建 torch.nn.Sequential
- 自定义类（继承自 nn.Module）
- 从 ndarray 创建 Tensor 直接切片输入
- 使用 torch.utils.data.TensorDataset 创建
- dataset 使用 torchvision.datasets 的内置数据集
- 使用torch.utils.data.DataLoader 封装
- 预处理数据 (如dataset、dataloader、归一化等)
- 创建模型和优化方法 （如：model, opt）
- 模型调用
- 计算损失
- 梯度归零
- 计算梯度
- 优化模型
- 打印指标
- 从 ndarray 创建 Tensor 直接切片输入
- 使用 torch.utils.data.TensorDataset 创建dataset
- 使用 torchvision 的内置数据集
- 使用 torch.utils.data.DataLoader 封装
-
回归问题
预测连续的值叫做回归问题
损失函数： 均方误差 mse
输出层激活方式： 无 -
二分类问题
回答是和否的问题
损失函数： BCEloss 输出层激活方式： sigmoid 输出
损失函数： CrossEntropyLoss 输出层激活方式： 无 -
多分类问题
多个分类的问题，输出与分类个数相同长度的张量
损失函数：主要采用 CrossEntropyLoss 输出层激活方式： 无多个分类的问题，输出与分类个数相同长度的张量
损失函数： nn.NLLLoss 要求labels必须是独热编码方式
输出层激活方式： torch.log_softmax
