【系列教程】PyTorch2.0深度学习快速入门，理论与实战紧密结合！-机器学习
2.PyTorch2.0环境配置（Anaconda介绍与安装） P2 - 00:23
conda的特点
可以创建多个独立的环境，可以保证不同项目的依赖不受影响
5.神经网络的层级结构 P5 - 00:29
神经网络的层级通常包括哪些层
5.神经网络的层级结构 P5 - 03:35
神经网络最底层单元：神经元
6.神经网络是如何对数据做特征提... P6 - 00:13
感知机
三个输入数据
6.神经网络是如何对数据做特征提... P6 - 01:30
举例子：谈恋爱
7.pytorch2.0中关于神经网络模型的API介绍 P7 - 00:11
神经网络名字的由来
7.pytorch2.0中关于神经网络模型的API介绍 P7 - 01:07
线性层的API封装
8.深度学习模型的有监督训练 P8 - 00:09
神经网络的有监督训练方式：由开始的随机数逐渐向标准答案收敛
8.深度学习模型的有监督训练 P8 - 02:15
真值由不同的任务确定
8.深度学习模型的有监督训练 P8 - 02:45
loss函数：训练的过程中需要让loss达到极小值
9.深度学习模型的梯度下降算法 P9 - 00:30
梯度和导数的关系
9.深度学习模型的梯度下降算法 P9 - 01:00
简化的理解
沿着梯度方向函数增长快，反方向下降快
9.深度学习模型的梯度下降算法 P9 - 02:11
权重变化的公式
learning rate是个超参数，
9.深度学习模型的梯度下降算法 P9 - 05:00
总结
10.pytorch2.0中关于神经网络训练API介绍 P10 - 00:16
训练过程的相关API
1、加载数据集DataLoader
不同的数据集的摆放方式不同
有的数据集的一张图片包含不同类别，用pytorch自带api无法加载，需要自定义
10.pytorch2.0中关于神经网络训练API介绍 P10 - 01:44
2、nn.Model对神经网络模型进行搭建
模型给出预测结果
10.pytorch2.0中关于神经网络训练API介绍 P10 - 01:56
3、对预测结果和标签的距离，定义损失函数（也有api）
10.pytorch2.0中关于神经网络训练API介绍 P10 - 02:47
4、损失函数求导
鸢尾花分类
解决方案
11.Dataset中自定义数据集加载 P11 - 00:26
dataloader.py编写
11.Dataset中自定义数据集加载 P11 - 03:55
判断数据路径是否存在
11.Dataset中自定义数据集加载 P11 - 04:42
读取数据库read csv()
5个列，每个列取名
map方法赋值
11.Dataset中自定义数据集加载 P11 - 07:48
加载索引和真值
11.Dataset中自定义数据集加载 P11 - 09:21
数据类型转化，转化为pytorch可用的tensor
11.Dataset中自定义数据集加载 P11 - 11:49
数据的归一化：有利于数值稳定性
11.Dataset中自定义数据集加载 P11 - 14:06
获得当前数据集大小
12.nn.Module构造神经网络模型 P12 - 03:22
初始化神经网络
12.nn.Module构造神经网络模型 P12 - 07:12
前向传播
12.nn.Module构造神经网络模型 P12 - 08:57
计算环境和数据集划分
12.nn.Module构造神经网络模型 P12 - 17:53
加载数据
13.基于PyTorch2.0的模型训练、验证和测试 P13 - 00:10
推理函数定义
13.基于PyTorch2.0的模型训练、验证和测试 P13 - 06:31
定义训练验证测试的过程
13.基于PyTorch2.0的模型训练、验证和测试 P13 - 09:00
定义模型参数（更新的）
优化器Adam
13.基于PyTorch2.0的模型训练、验证和测试 P13 - 11:34
定义权重存储路径
13.基于PyTorch2.0的模型训练、验证和测试 P13 - 13:40
开始训练(反复看)
13.基于PyTorch2.0的模型训练、验证和测试 P13 - 31:45
运行
