包含“深度学习基础”标签的全部文章。
深入理解稠密连接网络中的稠密块结构，掌握DenseNet的核心设计思想和实现方法
深入理解残差连接的设计原理，掌握ResNet和ResNeXt中残差块和分组残差块的实现方法
掌握PyTorch中模型参数的保存与加载技术，学习训练过程中的检查点管理
本节将展示如何构建自定义层
深入理解深度学习中层和块的概念，掌握PyTorch中自定义模块的实现方法
本节讲述延后初始化技术，掌握在输入维度未知情况下的动态参数推断方法
本节讲述PyTorch中的参数管理机制，掌握参数访问、初始化和共享的实用技巧
了解权重衰减（L2正则化）的数学原理，掌握正则化技术在防止过拟合中的应用
理解过拟合现象，掌握验证集、交叉验证等模型选择方法，通过多项式拟合实验探索欠拟合与过拟合
深入理解线性代数的基本概念，包括标量、向量、矩阵和张量的定义、性质及PyTorch实现
