Pytorch的安裝
通過Anaconda安裝PyTorch更為便捷
張量：（1）Tensor可以是高維的（2）并非是PyTorch中才有的概念（3）PyTorch運算的基本單元（4）基礎數據定義和運算（5）在PyTorch中支持GPU運算，自動求導等操作
機器學習兩種典型的任務：（1）分類任務是對離散值進行預測（2）回歸任務是對連續值進行預測
大模型中的相關概念
樣本：一條數據；
特征：被觀測對象的可測量特性，例如西瓜的顏色、瓜蒂、紋路、敲擊聲等；
特征向量：用一個 d 維向量表征一個樣本的所有或部分特征；
標簽(label)/真實值：樣本特征對應的真實類型或者真實取值，即正確答案；
數據集(dataset)：多條樣本組成的集合；
訓練集(train)：用于訓練模型的數據集合；
評估集(eval)：用于在訓練過程中周期性評估模型效果的數據集合；
測試集(test)：用于在訓練完成后評估最終模型效果的數據集合；
模型：可以從數據中學習到的，可以實現特定功能/映射的函數；
誤差/損失：樣本真實值與預測值之間的誤差；
預測值：樣本輸入模型后輸出的結果；
模型訓練：使用訓練數據集對模型參數進行迭代更新的過程；
模型收斂：任意輸入樣本對應的預測結果與真實標簽之間的誤差穩定；
模型評估：使用測試數據和評估指標對訓練完成的模型的效果進行評估的過程；
模型推理/預測：使用訓練好的模型對數據進行預測的過程；
模型部署：使用服務加載訓練好的模型，對外提供推理服務；
Step：一次梯度更新的過程；
Epoch：模型完成一次完整訓練集的訓練；
梯度：梯度是一個向量（矢量），函數在一點處沿著該點的梯度方向變化最快，變化率最大。
換而言之，自變量沿著梯度方向變化，能夠使因變量（函數值）變化最大。
