深度学习模型通常拥有大量参数。参数越多，计算复杂度越高，训练时间也会更长。因此，深度学习从业者需要清楚模型包含多少参数。
在本练习中，您将先手动计算参数数量，然后使用 .numel() 方法核对您的结果。
.numel()
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
自动驾驶、智能手机、搜索引擎……深度学习已经无处不在。在构建复杂模型之前，您将先熟悉 PyTorch 这一深度学习框架。您将学习如何操作张量、创建 PyTorch 数据结构，并使用线性层在 PyTorch 中搭建第一个神经网络。
当前练习
要在 PyTorch 中训练神经网络，您需要先理解更多组件，例如激活函数和损失函数。随后您会了解到，训练网络的目标是最小化损失函数，这需要计算梯度。您将学习如何利用这些梯度来更新模型参数。
既然您已经了解了神经网络的关键组成部分，接下来将使用训练循环来训练一个网络。您会探索可能出现的问题，如梯度消失，并学习应对策略，例如采用替代激活函数，以及调节学习率与动量。
训练深度学习模型既是技术也是技巧。为确保模型被正确训练，我们需要在训练过程中跟踪若干指标，例如损失和准确率。我们将学习如何计算这些指标，以及如何减少过拟合。
