张量操作（Tensors）:

创建张量（列表、numpy、0、1）

张量操作（改变形状、索引切片、）

数学操作（加 乘）

查看形状

Autograd（自动求导）:

定义可训练参数：torch.nn.Parameter
自动求导上下文管理器：torch.autograd
损失函数：torch.nn.functional 中的函数，如 torch.nn.functional.cross_entropy

神经网络构建:

定义模型类：继承自 torch.nn.Module
定义前向传播方法：forward
层（Layer）：如 torch.nn.Linear, torch.nn.Conv2d, torch.nn.ReLU 等

优化器（Optimizers）:

梯度下降优化器：torch.optim.SGD, torch.optim.Adam 等
参数更新：optimizer.step()

数据处理:

数据加载器（DataLoader）：torch.utils.data.DataLoader
数据集（Dataset）：torch.utils.data.Dataset
转换（Transforms）：torchvision.transforms

模型训练:

循环迭代训练数据：for epoch in range(num_epochs):
前向传播、损失计算、反向传播、参数更新

模型保存和加载:

保存模型：torch.save(model.state_dict(), 'model.pth')
加载模型：model.load_state_dict(torch.load('model.pth'))

GPU加速:

将模型移到GPU：model.to('cuda')
在GPU上执行张量操作：tensor.cuda()