神经网络是深度学习模型的核心组成部分。它们驱动了您日常生活中的诸多应用，从语言翻译应用到智能手机的摄像头。
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。
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。
当前练习
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。
