PyTorch提供了自动求导机制，它是PyTorch的核心功能之一，用于计算梯度并进行反向传播。自动求导机制使得深度学习中的梯度计算变得更加简单和高效。
前馈神经网络的优点包括能够处理复杂的非线性关系，适用于各种问题类型，并且能够通过训练来自动学习特征表示。然而，它也存在一些挑战，如容易过拟合、对大规模数据和高维数据的处理较困难等。为了应对这些挑战，一些改进的网...
本实验使用了PyTorch库来构建和操作神经网络模型，主要是关于线性层（Linear Layer）的使用。
本文使用conda下载cuda和cudnn，直接安装到虚拟环境，免去配置环境变量等操作且节省C盘空间。若想单独下载CUDA Toolkit及cudnn，可参照该文章：
线性模型是机器学习中最基本的模型之一，通过对输入特征进行线性组合来预测输出。本实验旨在展示使用随机梯度下降优化器训练线性模型的过程，并评估模型在鸢尾花数据集上的性能。...
随机梯度下降的主要优点是计算效率高，尤其适用于大规模数据集。它也可以在每个训练周期中进行参数更新，因此可以更快地收敛。然而，由于每次迭代仅使用一个样本（或小批量样本），因此随机梯度下降的更新方向可能会更加不稳定，导...
线性模型的优点包括简单、易于解释和计算效率高。它们在许多实际问题中都有广泛的应用。然而，线性模型也有一些限制，例如对非线性关系的建模能力较弱。在处理复杂的问题时，可以通过引入非线性特征转换或使用核函数进行扩...
