Dive into deep learning(02)[动手学深度学习]———————第二章，线性神经网络

Dive into deep learning(02)[动手学深度学习]———————第二章，线性神经网络

前言：最近在忙毕业论文初稿，自己这方面花的时间也确实少，国庆几天也都是在寝室摆烂，但终归还是要看一点的，马上初稿就要过去了，学校里方面也就没啥事情了，要更努力了呢。

本章摘要：

1、图片数据集准备(image-classification-dataset)

关于MNIST数据集的一些介绍，然后一些图像显示的函数，数据导入的函数。
MNIST数据集是图像分类中广泛使用的数据集之一，但作为基准数据集过于简单。 我们将使用类似但更复杂的Fashion-MNIST数据集。
这里还有部分讲到数据读取，也就是torch里面DataLoader部分，里面的读取参数，batchsize（数据一批的多少）和num_workers（工作线程）都会影响读取快慢，一般读取越快越好，读取要略快于数据处理一趟的速度。

2、线性回归介绍(linear-regression)

主要是关于线性回归在机器学习中的一些介绍，以及线性回归的损失函数使用均方误差的原因，因为在噪点为服从高斯分布的假设下时，最小化均方误差和最大化似然函数是等价的。最大化似然函数在统计中一般用来参数估计，和我们这里的用均方误差损失函数估计模型参数