每一个样本经过前向传播(forward)后，都会得到一个预测输出值。而每个样本应该有个标签值或真实值(GroundTruth)。预测值与真实值之间的差值，就成为损失，损失值越小，证明模型越成功。有许多不同种类的损失函数，经过pytorch、TensorFlow等库封装后，有了具体的名字。学习的目的是让预测值无限接近真实值，因此损失函数可以作为衡量的方法。

为了学习GitHub的开源项目nha，并在autodl上租服务器跑。如有需要，再进入克隆的仓库目录cd python-cpbd，根据仓库要求安装依赖（在仓库文档中寻找）。时出现了问题，通过浏览器访问该网页，发现访问成功，因此可以确定是网络问题导致报错。1. 网络问题2. 使用或者关闭代理3. 权限问题：私有仓库需要身份验证。这样确定了是在通过git克隆。

每一个样本经过前向传播(forward)后，都会得到一个预测输出值。而每个样本应该有个标签值或真实值(GroundTruth)。预测值与真实值之间的差值，就成为损失，损失值越小，证明模型越成功。有许多不同种类的损失函数，经过pytorch、TensorFlow等库封装后，有了具体的名字。学习的目的是让预测值无限接近真实值，因此损失函数可以作为衡量的方法。

每一个样本经过前向传播(forward)后，都会得到一个预测输出值。而每个样本应该有个标签值或真实值(GroundTruth)。预测值与真实值之间的差值，就成为损失，损失值越小，证明模型越成功。有许多不同种类的损失函数，经过pytorch、TensorFlow等库封装后，有了具体的名字。学习的目的是让预测值无限接近真实值，因此损失函数可以作为衡量的方法。

摄像头占用问题，win组策略打开问题