注意：所有文章结合读，不要只读一篇文章！！！！
一：张量的学习
（一）基础数据结构--张量
https://blog.csdn.net/oldmao_2001/article/details/102534415
https://blog.csdn.net/oldmao_2001/article/details/102546607
（二）张量学习（含代码）
https://blog.zhangxiann.com/202002052039/
https://blog.zhangxiann.com/202002082037/
（三）计算图机制
https://blog.zhangxiann.com/202002112035/
https://blog.csdn.net/oldmao_2001/article/details/102546607
（四）autograd 与逻辑回归
https://blog.zhangxiann.com/202002152033/
https://blog.csdn.net/oldmao_2001/article/details/102638970
（五）补充
1.pytorch中的.detach和.data深入详解
相同点：
tensor.data和tensor.detach() 都是变量从图中分离，但而这都是“原位操作 inplace operation”。
不同点：
（1）.data 是一个属性，二.detach()是一个方法； （2）.data 是不安全的，.detach()是安全的。
2.饱和和非饱和激活函数
二：数据预处理与加载
（一）数据加载DataLoader 与 DataSet
https://blog.zhangxiann.com/202002192017/（自定义dataset,加载数据)
https://blog.csdn.net/oldmao_2001/article/details/102661974
（二）数据预处理与数据增强
https://blog.zhangxiann.com/202002212045/（预处理了解）
https://blog.csdn.net/oldmao_2001/article/details/102718002（自定义transform方法）
https://blog.zhangxiann.com/202002272047/（数据增强）
（三）补充
为什么pytorch中transforms.ToTensor要把(H,W,C)的矩阵转为(C,H,W)?
三：模型构建
（一）模型创建步骤与 nn.Module
https://blog.csdn.net/oldmao_2001/article/details/102787546
https://blog.zhangxiann.com/202003012001/
（二）nn网络层
https://blog.csdn.net/oldmao_2001/article/details/102844727（总）
https://blog.zhangxiann.com/202003032009/（卷积层）
https://blog.zhangxiann.com/202003072007/（池化层、线性层和激活函数层）
四：模型训练
（一）权值初始化（两篇都要看）---xavier与kaiming
https://blog.zhangxiann.com/202003092013/（着重：正态）
https://zhuanlan.zhihu.com/p/148034113（着重：均匀）
https://blog.csdn.net/oldmao_2001/article/details/102895144
（二）损失函数
（1）交叉熵
交叉熵=信息熵+相对熵（https://www.zhihu.com/question/41252833）
https://www.cnblogs.com/JeasonIsCoding/p/10171201.html
https://www.cnblogs.com/ssyfj/p/13966848.html（重点：最后都是二分类和多分类）
注意：https://blog.csdn.net/oldmao_2001/article/details/102895144中的交叉熵求解也是对的，可以推导
