一图流操作示意。

在一群点中用线性函数分类：但也有线性不可分问题：线性不可分问题：两个平行超平面间隔距离最大部分难以区分的点忽略通过升维将非线性变为线性期望风险泛函：定义最优函数在真实数据分布中的期望风险经验风险泛函：在有限的数据集上最优函数的期望风险。由于真实分布未知，机器学习传统都是用最小化经验风险来替代最小化期望风险的目标学习理论的关键定理的解读：如果一个模型方法在最坏情况下仍能表现良好， 则对它的推广能力才

为什么分类任务不用一个输出值：因为在一个连续的数轴上，利用预测值和类别值更近的方法各个类别与预测点的距离各不相同，即各个类别不等价。在分类任务中只有是和不是的区别，没有哪一个更像的区别。

简要解析注意力机制

一个块就是一个类，其中包含构造函数和前向传播函数。一般我们直接让块继承pytorch里的块类，方便我们定义。与自定义块非常类似，可以将自定义层看成自定义只有一层的自定义块。区别是：将原来定义要用到的层的位置改为参数，将原来组合层的位置改为处理参数的流程。其他基本不变。

在一群点中用线性函数分类：但也有线性不可分问题：线性不可分问题：两个平行超平面间隔距离最大部分难以区分的点忽略通过升维将非线性变为线性期望风险泛函：定义最优函数在真实数据分布中的期望风险经验风险泛函：在有限的数据集上最优函数的期望风险。由于真实分布未知，机器学习传统都是用最小化经验风险来替代最小化期望风险的目标学习理论的关键定理的解读：如果一个模型方法在最坏情况下仍能表现良好， 则对它的推广能力才

本博客参考南科大于仕琪教授的讲解视频和这位同学的学习笔记：参考博客感谢两位的分享。用于组织大型项目的编译，是一个一键编译项目的脚本文件。本博客通过四个版本的makefile逐步说明makefile的使用四个演示文件main文件factorial.cpp文件（用于打印递归）printhello.cpp文件function.h文件（头文件）法一（不用makefile）法二（创建makefile）ver

为什么分类任务不用一个输出值：因为在一个连续的数轴上，利用预测值和类别值更近的方法各个类别与预测点的距离各不相同，即各个类别不等价。在分类任务中只有是和不是的区别，没有哪一个更像的区别。