和大家分享一个沐神的学习视频 course.d2l.ai/zh-v2/ 【真的超级赞👍 沐神是MXNET设计者之一！真的太强了！为他打call！！！】
本文章主要进行深度学习基础 & 卷积神经网络 两个部分的总结
深度学习基础
- fundamental 基础知识-保姆级教程
常用张量的函数
- x.numel() #张量的元素个数（number of elements）
- x.reshape(参数) #要改变一个张量的形状而不改变元素数量和元素值，可以调用
reshape函数- x.sum()
常用张量的属性
- x.shape #可以通过张量的
shape属性来访问张量的形状 和张量中元素的总数
常见的标准计算运算符（+，-，*，/，(幂)）都是按元素运算
- 课程使用的图像分类数据集为：Fashion-MNIST数据集（因为MNIST作为基准数据集过于简单） 数据集样式如下：
- 其他内容的一些讲解：
numpy和tensor讲解 具体可见此：
关于一些主流的框架（Tensorflow，Pytorch，MXNET之间的对比）
关于mm，bmm和matmul的区别
with torch.no_grad()的详解：blog.csdn.net/qq_42251157…
- 不使用with torch.no_grad() :此时有grad_fn=属性，表示，计算的结果在一计算图当中，可以进行梯度反传等操作。
- 使用with torch.no_grad() :表明当前计算不需要反向传播，使用之后，强制后边的内容不进行计算图的构建
神经网络中epoch、batch、batch_size、epoch、iteration理解
