这次实验可以说是一夜回到解放前，感觉思路没问题但就是各种错误，这个张量维度愣是没搞清楚到底哪里错了，所以精度的曲线还没弄出来，学习了一些怎么把未分类数据制作成自己的数据集，逻辑差不多懂了，但估计离自己能敲出来的距离还远的不行。

前一个实验还感觉自己熟悉了一点，但随着这次实验一些细小错误的出现才发现自己根本没有很好的理解一些内置函数的用法，感觉还越学越难了怎么说。。。不过对于搭建一个神经网络的流程已经比较熟悉了，接下来是尝试了解各种超参数的设置，尝试通过超参数的调整来提升训练效果。

这两次实验都感觉网络的搭建非常困难，虽然看框架图感觉比较好理解，但是在如何转化成代码上面感觉很懵，代码还是得多理解吧，回头看其实最开始那些非常简单的网络我也不理解，到现在居然觉得比较简单了，完事开头难，理解不了的代码都丢给AI让它一句一句给我解释哈哈哈哈，其实还蛮有用的。

这两次实验都感觉网络的搭建非常困难，虽然看框架图感觉比较好理解，但是在如何转化成代码上面感觉很懵，代码还是得多理解吧，回头看其实最开始那些非常简单的网络我也不理解，到现在居然觉得比较简单了，完事开头难，理解不了的代码都丢给AI让它一句一句给我解释哈哈哈哈，其实还蛮有用的。

这次实验可以说是一夜回到解放前，感觉思路没问题但就是各种错误，这个张量维度愣是没搞清楚到底哪里错了，所以精度的曲线还没弄出来，学习了一些怎么把未分类数据制作成自己的数据集，逻辑差不多懂了，但估计离自己能敲出来的距离还远的不行。

这次实验可以说是一夜回到解放前，感觉思路没问题但就是各种错误，这个张量维度愣是没搞清楚到底哪里错了，所以精度的曲线还没弄出来，学习了一些怎么把未分类数据制作成自己的数据集，逻辑差不多懂了，但估计离自己能敲出来的距离还远的不行。

前一个实验还感觉自己熟悉了一点，但随着这次实验一些细小错误的出现才发现自己根本没有很好的理解一些内置函数的用法，感觉还越学越难了怎么说。。。不过对于搭建一个神经网络的流程已经比较熟悉了，接下来是尝试了解各种超参数的设置，尝试通过超参数的调整来提升训练效果。

Pythorch实现mnist手写数字识别实验

这两次实验都感觉网络的搭建非常困难，虽然看框架图感觉比较好理解，但是在如何转化成代码上面感觉很懵，代码还是得多理解吧，回头看其实最开始那些非常简单的网络我也不理解，到现在居然觉得比较简单了，完事开头难，理解不了的代码都丢给AI让它一句一句给我解释哈哈哈哈，其实还蛮有用的。

这次实验感觉是第一次在模型的理解上就开始出现困难，之前听说过YOLO模型，这次在搭建C3模块的过程中其实对各种参数并不是很理解，还是借助ai帮我分析每段代码是如何实现该功能的，另外就是每个模块当中数据的维度非常重要，决定了实验能否正常运行，其余部分其实没什么大问题。训练过程中保存的最佳模型也非常重要，在进行预测的时候可以用到这个文件。