深度学习定义：基于多层人工神经网络的机器学习分支，通过数据自动学习特征和规律，无需人工手动设计特征核心工具：PyTorch（工业界主流，动态图）、TensorFlow（静态图，适合部署）应用领域：计算机视觉（CV）、自然语言处理（NLP）、语音识别、推荐系统、自动驾驶开发者：原 Meta AI 团队，现隶属于 Linux 基金会核心优势动态计算图：边运行边构建，调试方便Python 原生语法：学习

深度学习定义：基于多层人工神经网络的机器学习分支，通过数据自动学习特征和规律，无需人工手动设计特征核心工具：PyTorch（工业界主流，动态图）、TensorFlow（静态图，适合部署）应用领域：计算机视觉（CV）、自然语言处理（NLP）、语音识别、推荐系统、自动驾驶开发者：原 Meta AI 团队，现隶属于 Linux 基金会核心优势动态计算图：边运行边构建，调试方便Python 原生语法：学习

深度学习定义：基于多层人工神经网络的机器学习分支，通过数据自动学习特征和规律，无需人工手动设计特征核心工具：PyTorch（工业界主流，动态图）、TensorFlow（静态图，适合部署）应用领域：计算机视觉（CV）、自然语言处理（NLP）、语音识别、推荐系统、自动驾驶开发者：原 Meta AI 团队，现隶属于 Linux 基金会核心优势动态计算图：边运行边构建，调试方便Python 原生语法：学习

最朴素的损失函数，仅判断预测值与真实值是否一致，一致则损失为0，不一致则损失为1。又称均方误差（MSE），计算预测值与真实值差值的平方，放大较大偏差的损失。又称平均绝对误差（MAE），计算预测值与真实值差值的绝对值，对偏差的惩罚是线性的，不放大异常值。基于概率似然思想，衡量模型预测概率与真实标签的匹配度，核心用于分类任务（二分类、多分类），常被称为交叉熵损失（二分类场景下，对数似然损失与交叉熵损失

7-3 顺序表（删除）分数 15全屏浏览切换布局作者 邵煜单位 宁波财经学院已知一组数据，采用顺序存储结构存储，其中所有的元素为整数。设计一个算法，删除元素值在[x,y]之间的所有元素。