去百度飞桨网站(https://www.paddlepaddle.org.cn/)选择合适的CUDA版本，复制安装代码。我的CUDA版本是12.5，由于CUDA向下兼容，可选的最新版本是12.3。快捷键win+R，输入cmd回车，输入nvidia-smi查看CUDA Version为12.5。出现PaddlePaddle is installed successfully!输入conda crea

首先，建立字典DATA_HUB， 它可以将数据集名称的字符串映射到数据集相关的二元组上， 这个二元组包含数据集的url和验证文件完整性的sha-1密钥。所有类似的数据集都托管在地址为DATA_URL的站点上。下面的download函数用来下载数据集， 将数据集缓存在本地目录（默认情况下为…/data）中， 并返回下载文件的名称。如果缓存目录中已经存在此数据集文件，并且其sha-1与存储在DATA_

注：本代码在jupyter notebook上运行

从零开始实现softmax回归

"""线性回归模型""""""均方损失"""# 6、定义优化算法"""小批量随机梯度下降"""

"""线性回归模型""""""均方损失"""# 6、定义优化算法"""小批量随机梯度下降"""

用模型参数声明层。这里声明两个全连接的层# 调用MLP的父类nn.Module的构造函数来执行必要的初始化。# 这样，在类实例化时也可以指定其他函数参数，例如模型参数paramsself.hidden = nn.Linear(20, 256) # 隐藏层self.out = nn.Linear(256, 10) # 输出层# 定义模型的前向传播，即如何根据输入X返回所需的模型输出# 注意，这里我们