深度学习笔记：五步pytorch，六步tensorflow搭建神经网络

五步pytorch搭建神经网络

1. 准备数据&加载数据
2. 定义损失函数
   自定义损失函数或者使用Pytorch中已有的
3. 定义网络
   自定义或者引用
4. 定义优化器
   定义梯度下降方法，学习率调整策略等。
5. 迭代训练
   迭代训练，for循环。

六步tensorflow搭建神经网络

1. import 相关模块，如 import tensorflow as tf。
2. 指定输入网络的训练集和测试集，如指定训练集的输入 x_train 和标签y_train，测试集的输入 x_test 和标签 y_test。
3. 逐层搭建网络结构，model = tf.keras.models.Sequential()。
4. 在 model.compile()中配置训练方法，选择训练时使用的优化器、损失函数和最终评价指标。
5. 在 model.fit()中执行训练过程，告知训练集和测试集的输入值和标签、每个 batch 的大小（batchsize）和数据集的迭代次数（epoch）。
6. 使用 model.summary()打印网络结构，统计参数数目。