data= load_iris()：获取鸢尾花数据集对象，此对象类似字典的特殊对象（Bunch），包含了数据集的所有信息（特征的数据，特征的名子，标签，对数据集的描述）每一次迭代都是机器在学习如何分类鸢尾花，并且获取经验，调整学习参数，得到最优的参数来接受最终的分类检验任务。只规定了划分的 “比例”，但 “哪些样本进训练集 / 测试集” 是由随机种子控制的。4个特征：花萼长度，花萼宽度，花瓣长度，

在前两个卷积层之后，汇聚层不⽤于减少输⼊的⾼度和宽度 nn.Conv2d(256, 384, kernel_size=3, padding=1), nn.ReLU(), nn.Conv2d(384, 384, kernel_size=3, padding=1), nn.ReLU(), nn.Conv2d(384, 256, kernel_size=3, padding=1), nn.ReLU(),

data= load_iris()：获取鸢尾花数据集对象，此对象类似字典的特殊对象（Bunch），包含了数据集的所有信息（特征的数据，特征的名子，标签，对数据集的描述）每一次迭代都是机器在学习如何分类鸢尾花，并且获取经验，调整学习参数，得到最优的参数来接受最终的分类检验任务。只规定了划分的 “比例”，但 “哪些样本进训练集 / 测试集” 是由随机种子控制的。4个特征：花萼长度，花萼宽度，花瓣长度，

data= load_iris()：获取鸢尾花数据集对象，此对象类似字典的特殊对象（Bunch），包含了数据集的所有信息（特征的数据，特征的名子，标签，对数据集的描述）每一次迭代都是机器在学习如何分类鸢尾花，并且获取经验，调整学习参数，得到最优的参数来接受最终的分类检验任务。只规定了划分的 “比例”，但 “哪些样本进训练集 / 测试集” 是由随机种子控制的。4个特征：花萼长度，花萼宽度，花瓣长度，