LLM

构建MNIST数据集代码完成了训练循环，包括损失计算、反向传播和网络参数的优化。每100个batch打印一次训练过程中的平均损失，方便我们观察模型学习的情况。

书接前文，我们了解了 —— # 刹车与油门：PyTorch Autograd 的赛车之旅，如文所说，自动微分是 PyTorch 深度学习框架的核心。既然是核心，就需要敲黑板、划重点学习。

线性回归是我们中学课本中学的最基础的概念之一，用于建立变量之间线性关系的统计方法； 在简单线性回归中，会建立一个因变量与一个自变量之间的线性关系模型。 我们可以用 PyTorch 来实现一些实践案例。

对于大模型的学习与探索不要停止，LLM 就是“未来已来”。 前面通过简单的实操上手 Pytorch，本篇带来 Pytorch 核心引擎：autograd

轻松上手：本篇介绍深度学习框架PyTorch来处理和预测书店销售数据~~展示其在实际商业场景中的应用~~

在前不久写过一篇《# 小白白也能看懂的 TensorFlow 及其在 AMI 的部署》，关于深度学习框架 TensorFlow 以及云部署。 本篇带来另一个著名的深度学习框架 —— PyTorch

开宗明义，本篇带来：深度学习的入门框架 —— TensorFlow，以及将其在 Amazon Deep Learning AMI 中私有化部署。