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