训练误差：模型在训练数据集上计算得到的误差泛化误差：模型应用在同样从原始样本的分布中抽取的无限多数据样本时，模型误差的期望。问题是，我们永远不能准确地计算出泛化误差。因为无限多的数据样本是一个虚构的对象。在实际中，我们只能通过将模型应用于一个独立的测试集来估计泛化误差， 该测试集由随机选取的、未曾在训练集中出现的数据样本构成。类似地，考虑一个简单地使用查表法来回答问题的模型。如果允许的输入集合是离

初学习深度学习pytorch，涉及安装Miniconda、CUDA Toolkit、d2l、Anaconda Prompt、UnZip、jupyter notebook，以及简单使用

动手学深度学习Pytorch——为什么要学深度学习，深度学习相关概念。

动手学深度学习 - 7.现代卷积神经网络 — AlexNet,VGG,NiN,GoogLeNet,Inception

本章中介绍的构成所有卷积网络主干的基本元素有卷积层本身、填充和步幅、汇聚层、多通道。

第二章：torch、arange、shape、张量与其他Python对象转化、数据预处理、向量与矩阵、梯度相关知识

训练误差：模型在训练数据集上计算得到的误差泛化误差：模型应用在同样从原始样本的分布中抽取的无限多数据样本时，模型误差的期望。问题是，我们永远不能准确地计算出泛化误差。因为无限多的数据样本是一个虚构的对象。在实际中，我们只能通过将模型应用于一个独立的测试集来估计泛化误差， 该测试集由随机选取的、未曾在训练集中出现的数据样本构成。类似地，考虑一个简单地使用查表法来回答问题的模型。如果允许的输入集合是离

初学习深度学习pytorch，涉及安装Miniconda、CUDA Toolkit、d2l、Anaconda Prompt、UnZip、jupyter notebook，以及简单使用

初学习深度学习pytorch，涉及安装Miniconda、CUDA Toolkit、d2l、Anaconda Prompt、UnZip、jupyter notebook，以及简单使用

第三章介绍了线性神经网络的基础知识，重点讨论了线性回归和softmax回归。