深度学习——打卡（第一次）

经过几天的学习，我对深度学习里的神经网络有了大致的了解，python的应用更加熟练，对pytorch也有了相应的了解。
首先是线性回归，虽然是很早以前就已经接触过的知识点，但是在机器学习方面，又有了新的内容。训练集，样本，标签，特征…………不同以往的概念，但易于理解。损失函数和优化函数，根据情况不同会有不同的选择，我只是简单的了解其中常用的一两个，仅仅是会用罢了。
其次是多层感知机还有Softmax与分类模型，多层感知机就是在单层里加入隐藏层，经过激励函数的变换，得到输出，Softmax是logistic回归模型在多分类问题上的推广、logistic回归是一种广义的线性回归模型。这些回归模型都是单层的网络.
接下来是文本预处理以及语言模型，文本预处理可以将文本从词的序列转换为索引的序列，方便输入语言模型，进而方便索引与研究。
最后是循环神经网络基础，了解了循环神经网络的构造。
因为能力有限，尚未能将各个内容融会贯通，仅仅是流于表面。
路漫漫其修远兮，吾将上下而求索。