对比不同硬件（CPU/GPU）上的推理速度优化方法，如量化、半精度推理。编写训练循环代码，包含批次加载、前向传播、反向传播、梯度更新。介绍计算机视觉的核心任务（分类、检测、分割等）及其应用场景。简述PyTorch的特点，如动态计算图、GPU加速、丰富的API生态，适合快速原型开发。以CNN为例，拆解卷积层、池化层、全连接层的作用。讨论现代架构（ResNet、MobileNet）的改进思想，如残差连