pytorch是广泛应用于机器学习领域的强大开源框架，因其易用性和高效性备受青睐。其中 pytorch的核心数据类型是张量对象。pytorch提供了许多帮助构建神经网络的高级方法及组件，并提供了利用GPU更快的训练神经网络的张量对象。张量类似于Numpy中的多为矩阵ndarrays，标量可以表示为零维张量，向量可以表示为一维张量，二维矩阵可以表示为二维矩阵，多维矩阵可以表示为多维张量。

训练神经网络主要通过两个关键步骤，即以给定的学习率进行前向传播和反向传播，最终神经网络架构得到最佳权重。需要注意的是第一次前向传播时，权重的值是随机初始化的。在反向传播中，通过在损失减少的方向上调整权重来减少损失值（误差），权重更新的幅度等于梯度乘以学习率。重复前向传播和反向传播的过程，知道获得尽可能小的损失，在训练结束时，神经网络已经将权重调整到近似最优值，以便获取期望的输出结果。

神经网络通常包括输入层、隐藏层、输出层、激活函数、损失函数和学习率等基本组件。本节介绍在简单数据集上使用pytorch构建神经网络，利用张量对象操作和梯度值计算更新网络权重。

在实际场景中，有时需要针对需要解决的问题子定义损失函数。​​​​​return x1.定义自定义损失函数，将两个张量对象作为输入，计算他们的差的平方，并返回两者平方差的平均值。2.使用相同的输入和输出组合，调用内置的MSELoss函数。

计算机视觉是指通过计算机系统对图像和视频进行处理和分析，利用计算机算法和方法，使计算机能够模拟和理解人类的视觉系统。

图像增广对训练数据进行一系列的随机变化，生成相似但不同的训练样本，从而扩大训练集的规模，让模型见过更多样的数据变化，减少过拟合，同时提高模型对光照、角度、噪声等变化的适应性。数据增广可以处理图片和文本和语音。对于图片的处理方式包括：覆盖掉一些像素、对颜色进行变换、对亮度进行变换，以及翻转旋转，切割。6.随机改变亮度，对比度，饱和度，色调 增加或者减少50%4.随机改变图片的亮度brightness

在实际场景中，有时需要针对需要解决的问题子定义损失函数。​​​​​return x1.定义自定义损失函数，将两个张量对象作为输入，计算他们的差的平方，并返回两者平方差的平均值。2.使用相同的输入和输出组合，调用内置的MSELoss函数。

Skill = Agent 能调用的一个具体能力/工具就像一个人可以有很多技能：会做饭、会开车、会写代码。Agent 的 Skill 就是它能做的具体事情。│核心知识点总结││🛠️ Skills/Tools = Agent 能调用的具体能力││📞 Function Calling = LLM 调用工具的机制││🔄 ReAct = 思考→行动→观察 的循环模式│。

在实际场景中，有时需要针对需要解决的问题子定义损失函数。​​​​​return x1.定义自定义损失函数，将两个张量对象作为输入，计算他们的差的平方，并返回两者平方差的平均值。2.使用相同的输入和输出组合，调用内置的MSELoss函数。

读完不等于掌握。梳理清晰的知识图谱指出您的“理解盲区”和“容易混淆点”对比当前技术路线给出清晰的“下一步行动建议”