学习：从训练数据中自动获取最优权重参数的过程。损失函数：衡量神经网络性能“恶劣程度”的指标，如均方误差和交叉熵误差。均方误差：损失函数的一种，计算输出与监督数据各元素差的平方和。交叉熵误差：损失函数的一种，用于分类问题，仅计算正确解标签对应的输出的自然对数。mini-batch学习：从训练数据中随机选取一小批数据进行学习，近似整体损失函数。梯度：损失函数关于所有权重参数的偏导数汇总而成的向量，指示

损失函数用于衡量模型预测值与真实值之间的差距。核心思想是神经网络通过调整自身参数来最小化损失函数的值，使预测结果尽可能接近真实答案。任务类型损失函数名称核心思想关键特点回归均方误差（MSE）惩罚大的误差（平方放大）对异常值敏感，梯度稳定回归平均绝对误差（MAE）平等对待所有误差（绝对值）对异常值鲁棒，在零点不可导回归小误差精细调，大误差稳着来平衡MSE和MAE，实践常用分类交叉熵误差让正确类别的预

特性正则化 (L1, L2, 权重衰减)优化算法 (SGD, Momentum, AdaGrad, Adam)首要目标提高泛化能力，防止过拟合。控制模型复杂度。加速训练，促进收敛。高效找到损失函数最小值。作用对象模型参数 (θ) 本身。施加一个指向零的力。梯度 (∇L)。调整梯度的大小和方向用于更新。数学本质在优化问题中增加一个约束项（先验）。求解无约束优化问题的数值迭代方法。关键项-ηλ * θ

训练时：计算损失 → 反向传播 → 更新参数验证时：只做前向传播 → 计算准确率 → 不更新参数特征工程：通过增加二次项，让简单模型也能学习复杂关系训练：要梯度，要更新参数，目的是学习验证/预测：不要梯度，不更新参数，目的是评估torch.no_grad() 就是切换这两个模式的开关。

找了一下午，思想局限了开始我将jar包放在的res文件中，一直找不到原因，在网上搜在[gradle.properties]添加android.disableResourceValidation=true表示失败。sync没有出现错误，都是build出现The file name must end with .xml最后 确定文件放错地方了 （应该放到libs文件中）在android Studio中