深度学习前置工具箱

动手做深度学习之前需要掌握的基础工具：PyTorch 张量与自动求导、神经网络模块、概率论基础等。

Mav

深度学习框架的重要性、PyTorch 核心特点、张量概念与学习路线。

torch.tensor、randn、zeros、ones、arange、linspace，理解标量/向量/矩阵/高维张量。

shape、dtype、device 三大核心属性，CPU/GPU 设备迁移与类型转换。

矩阵乘法、reshape/view/squeeze、张量拼接（cat/stack）与数值提取。

requires_grad、backward、计算图、梯度累积、no_grad、detach 与梯度下降实战。

nn.Linear、激活函数、损失函数、优化器，用 nn.Module 和 nn.Sequential 搭建网络。

PyTorch 典型报错解决、总结回顾与自测习题。