PyTorch

介绍深度学习的基本概念、训练流程、常见技术（如归一化、正则化）以及模型评价指标，为后续 PyTorch 实践打下坚实基础

介绍 PyTorch 中的张量（Tensor）概念、创建、索引、切片、形状变换、数学运算等基础知识

介绍 PyTorch 中模型定义的核心概念 nn.Module，以及常见的模型结构设计模式，如残差连接、分支结构等

介绍 PyTorch 中数据集（Dataset）和数据加载器（DataLoader）的基本概念、设计原则、使用方法以及性能优化技巧

介绍 PyTorch 中的标准训练流程，包括训练/验证模式切换、前向传播、反向传播、优化器更新、学习率调度、AMP、梯度裁剪等内容

介绍 PyTorch 模型推理的核心方式，包括原生模型推理和 TorchScript 推理，并对比它们的特点和适用场景，同时介绍 ONNX 和 TensorRT 两种常见的模型推理加速工具

介绍 PyTorch 中的训练日志保存、指标监控、wandb、TensorBoard、PyTorch Profiler、CUDA Profiling 等内容