【Datawhale学习笔记】Pytorch整体框架搭建入门——MNIST时装分类01

        神经网络的学习主要包含了以下几个过程：
        1.数据预处理

        2.模型的设计

        3.损失函数以及优化方案设计

        4.前向传播

        5.反向传播

        6.更新参数

        上述6点在我看来，前3点是体现了神经网络的设计艺术的——如果把神经网络的学习看作是人和机器的合作，那么前3点工作无疑是需要人工去完成的。在利用Pytorch编写神经网络代码时，前三点往往比较让我头大，特别是第一点！简直像是变形金刚一样，对着数据各种操作，最终把他们变成符合输入条件的样式。

        在不了解神经网络工作原理的情况下，它就像一个黑盒子，输入样本数据，输出预测结果。如果觉得神经网络训练地还不够好，你要做的就是像一个严格的教练一样：惩罚神经网络，让神经网络修改参数，直到满足