在本章中，我们将深入探索深度学习计算的关键组件，即模型构建、参数访问与初始化、设计自定义层和块、将模型读写到磁盘，以及利用 GPU 实现显著的加速。

最简单的深度网络称为多层感知机。多层感知机由多层神经元组成，每一层与它的上一层相连，从中接收输入；同时每一层也与它的下一层相连，影响当前层的神经元。

在深入探讨深度神经网络之前，我们需要先掌握神经网络训练的基础知识，包括定义简单神经网络架构、处理数据、指定损失函数以及训练模型。

要学习深度学习，需要先掌握一些基本技能，如数据处理、线性代数、微积分和概率。

1.1. 核心概念与定义 机器学习（machine learning, ML）：研究计算机系统如何利用经验（通常是数据）提升特定任务性能的技术，结合统计学、数据挖掘和优化思想，常作为实现人工智能的手段 深度学习（deep learning, DL）：机器学习的一个分支，属于多层次表示学习，通过学习多层数据转换实现任务，其核心模型由多层处理单元构成 1.2. 机器学习关键组件 数据集：...

本系列为博主在学习《动手学深度学习（第二版）》过程中记录的笔记（深度学习框架使用 PyTorch）。

说明：本教程仅面向不了解网站搭建并且想要快速搭建起个人博客的新手，帮助建立网站的平台有很多，有一定网站开发基础的读者可另寻门路。