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

>>阅读原文<<