1.阅读指南 ​ 训练神经网络时会出现很多漏洞，并非我们认知上简单的调包，调参即可使用。很多情况，尽管构建了错误的网络模型（训练图像忘记检测反转图像，自回归模型将它预测的数据作为输入，或者权重，正则化

PyTorch是一种基于Torch库的开源机器学习库，应用于计算机视觉和自然语言处理等应用，本章内容将从安装以及通过Torch构建基础的神经网络，计算梯度为主要内容进行学习。

在训练神经网络时，常用的算法是反向传播。该算法中，参数根据损失函数相对应的给定的参数的梯度进行调整。它支持任何网络的梯度计算。 通过构建一层神经网络来进行细致的分析；

关于计算机视觉的学习教程暂时告于段落，预计八月中旬以后我将会更新关于CV项目开发的学习笔记以及相关教程。接下来这节内容，选材来自昨天学习交流群中一位朋友，提出了有关激活函数的问题。我在收集了一下相关内

前言 1.神经网络的数据预处理 ​ 机器学习模型离不开数据的预处理，预处理对于构建网络模型同样非常重要往往能决定训练结果，对于不同的数据集，预处理方法都会有或多或少的局限性和特殊性，特别是神经网络输入