黄笳倞的博客

1.熟练使用datasets.函数导入数据集2.网络灵活的搭建包括提取特征部分False，分类器部分最后True3.损失函数和优化方式的使用。

1.熟练使用VGG16做简单的深度学习代码训练；2.对于Python和PyTorch的掌握需要更加熟练。vs2017安装和使用教程（详细）vs2019安装和使用教程（详细）

1.nn.Module是一个基类，需要派生一个子类构造自己的网络，需要改写的方法有__init__forward等，函数按照定义顺序构建网络。2.nn中各种模块的使用需要注意输入输出的衔接以及顺序。3.forward函数中的层层之间的输入输出的大小也要注意匹配。

1.Dataset是一个抽象类，需要派生一个子类构造数据集，需要改写的方法有__init__等。2.DataLoader是一个迭代器，方便我们访问Dataset里的对象，值得注意的的参数设置：如果放在cpu上跑，可以不管，但是放在GPU上则需要设置为0；或者在DataLoader操作之后将Tensor放在GPU上。3.数据和标签是tuple元组的形式，使用Dataloader然后使用enumerate函数访问它们。

1.Variable和Tensor本质上没有区别，不过Variable会被放入一个计算图中，然后进行前向传播，反向传播，自动求导。2.Variable有三个属性，可以通过构造函数结构求取梯度得到grad值和grad_fn值3.Variable，Tensor和Numpy互相转化很方便，类型也比较兼容。

1.Tensor和Numpy都是矩阵，区别是前者可以在GPU上运行，后者只能在CPU上2.Tensor和Numpy互相转化很方便，类型也比较兼容。