42 - PyTorch（下）

42-1 梯度下降法在PyTorch中的实现

42-2 动量化梯度下降的原理和实现

42-3 两个参数问题下的优化面临的问题

42-4 自适应的梯度下降及流平均改进法

42-5 Adam算法

42-6 PyTorch中的优化器选择

42-7 PyTorch里的图像预处理与可视化

42-8 CNN要调节的主要参数（一）

42-9 CNN要调节的主要参数（二）

42-10 构建卷积网络的代码讲解

42-11 卷积网络中的全连接层

42-12 神经网络的训练与测试及训练的效果展示