深度学习中的损失函数（Loss Function）是一个衡量预测结果与真实结果之间差异的函数 ，也称为误差函数。它通过计算模型的预测值与真实值之间的不一致程度，来评估模型的性能。损失函数通过计算一个数值，来表示模型预测的准确性或误差大小。损失函数按任务类型分为回归损失和分类损失99，回归损失主要处理连续型变量，常用MSE、MAE等，对异常值敏感度不同；分类损失主要处理离散型变量，常用Cross E

为了能够完成各种数据操作，我们需要某种方法来存储和操作数据。通常，我们需要做两件重要的事：（1）获取数据；（2）将数据读入计算机后对其进行处理。如果没有某种方法来存储数据，那么获取数据是没有意义的。首先，我们介绍维数组，也称为张量（tensor）。使用过Python中NumPy计算包的读者会对本部分很熟悉。无论使用哪个深度学习框架，它的张量类（在MXNet中为ndarray， 在PyTorch和T

10^5 为界限，这个得是O(nlogn)