PyTorch深度学习实践（二）线性模型

①准备数据集.
②模型选择设计
③训练（大部分模型都需要训练，KNN不需要训练（因为推理时间长，就看新的样本跟数据集里哪一个数据特征最接近，根据训练样本决定它的类别））
④应用推理
一般拿到数据集，我们将其分成两个部分，训练集和测试集

过拟合：在训练集上误差很小，可能训练的时候模型把噪声也学习了
泛化：模型对没见过的图片也能很好地识别
开发集：比如比赛的时候我们不知道测试集的标签，就把训练集中的一部分提取出来做测试集

这个损失函数是针对一个样本的 （预测值-真实值）的平方
针对整个数据集

模型训练可视化常用工具

Visdom是FaceBook开源的可视化工具包，使用Visdom库可以创建web服务，可以在代码里面进行绘图
往图里面添加新的点，想知道模型训练的怎么样了，就可以远程访问服务器上Visdom提供的web服务

在深度学习过程中记得对模型进行持久化存盘