4.4 可视化工具Tensorflow有TensorBoard可视化工具，它可以记录训练数据、评估数据、网络结构、图像等，并且可以在wab上面展示，对于观察神经网络训练的过程非常有帮助。PyTorch中也有这样的工具———tensorboardX。4.4.1 tensorboardX简介tensorboardX供能很强大，支持scalar、image、figure、histogram、audio、

2.6 使用Numpy实现简单机器学习我们用原始的Numpy实现有关回归的一个机器学习任务，不用PyTorch和Tensorflow中的包或类。首先，给出一个数组x，然后基于表达式y=3x^2+2，加上一些噪音数据到达另一组数据y。然后，构建一个简单的机器学习模型，学习表达式y=wx^2+b的两个参数w、b。利用数组x，y的数据为训练数据。最后，采用梯度下降法，通过多次迭代，学习到w、b的值。以下

2.8 使用Tensorflow实现简单机器学习前面我们介绍了使用Numpy和PyTorch实现简单的回归分析任务，这次我们使用Tensorflow来实现相同的任务。我们使用TensorFlow1.0版本的，使用静态图。代码如下：

2. 7 使用PyTorch实现简单机器学习本篇我们将使用PyTorch的一个自动求导的包——Antograd，利用这个包及对应的Tensor，利用自动反向求导传播来求梯度，无需手工计算梯度。以下是代码实现：