Learning

理解，从亲手做一次开始。

在代码、曲线与错误之间，慢慢建立直觉。这里记录深度学习与 PyTorch 的动手实验，以及每一次理解的修正。

让概念在实验里变得具体。

实验台上的问题

DOM-08 · 深度学习与现代 PyTorch

Lab 2 · 2026.07.25

用 Linear + ReLU 拟合距离与时间。从训练关键帧、loss 曲线，到真实单位下的预测结果。

激活函数非线性拟合

Lab 3 · 2026.07.25

创建、变形、索引与广播。通过销售分析、图像批变换、传感器加权和特征工程理解张量。

张量操作四个实战练习

学习日志 · 2026.07.23—07.25

三个 Lab 的理解证据、错误复盘与能力边界。结果是一部分，走到结果的过程也值得记下来。

学习环境：torch 2.5.1 + CUDA · pytorch_gpu conda env

读懂一个概念，
再用一次实验把它变成自己的。