AUTODL部署structgan 运行清华陆新征课题组StructGAN Github库（https://github.com/wenjie-liao/StructGAN_v1/tree/master?tab=readme-ov-file）
Chapter3 线性神经网络——线性回归 在本节中我们通过介绍线性回归来引入深度学习中几个重要的概念，包括：样本、训练数据集、训练、随机梯度等优化算法、batch批、损失函数、学习率等。实际上，线性回归也可以被视作一个最简单的神经网络，即单层神经网络。
Chapter 1 预备知识——深度学习中的导数 在深度学习的训练过程中，我们经常需要计算导数。导数是函数在某一点的切线斜率，它可以告诉我们函数在某一点的变化率。在深度学习中，我们经常需要计算损失函数对模型参数的导数，以便调整模型参数，使得模型的预测值更接近真实值。在这个notebook中，我们将总结深度学习中常用的一些导数计算规则。在此之前，我们应该具有微积分的基本知识，基本掌握简单的标量求导和链式法则。主要目标是要能够清楚求导过程中的张量形状变化。
8 Function 使用函数的意义在于使代码块与主程序分离，这样不但使得主程序结构逻辑更为清晰，容易理解，另一方面也简短了代码长度。其实，我们还可以更进一步，将函数写在称作的独立文件中，再将模块到主程序中。将函数存储在独立的文件中，可以隐藏代码细节，可以在不同的程序中(而不只是一个)重用函数。
Chapter 1 预备知识——数据操作 深度学习在处理数据的过程中，有其独特的数据存储形式——张量，在模型的训练、验证过程中，都是以张量的格式来进行的。因此，需要了解 pytorch 框架下张量的基本操作，才可以理解后面的课程内容。
关注
