深度学习框架中的 GPU 随机性控制：对于使用 GPU 的深度学习框架（如 PyTorch、TensorFlow），通常也会有类似 torch.cuda.manual_seed(seed) 的函数，用于设置 GPU 相关的随机种子，以保证实验结果的一致性。Adam 是 SGD（随机梯度下降）的改进版，会自适应调整每个参数的学习率（比如对更新慢的参数用大学习率，更新快的用小学习率），相比你注释掉的S

一、模块导入：加载所需工具库整个代码是一个端到端的，目标是基于 COVID-19 相关特征预测阳性数量，流程可概括为：1.数据处理：读取 CSV→划分训练 / 验证 / 测试集→特征选择→标准化；2.模型构建：简单全连接网络（输入→64 维→1 维）；3.训练优化：SGD + 动量优化，带 L2 正则的 MSE 损失，监控验证损失保存最优模型；4.预测输出：用最优模型预测测试集，生成 CSV 结果

哔哩哔哩：29 残差网络 ResNet【动手学深度学习v2】BV1bV41177apResNet 中最核心的两种残差模块（Residual Block）设计，它们是让 ResNet 能训练到上百层甚至上千层的关键。ResNet18 使用具体结构如下：1. 主分支（Main Path）Conv1：3×3 卷积（带 padding=1，保持特征图尺寸不变；步幅可设为 2 实现下采样）BN1：批归一化层