【Pytorch with fastai】第 5 章 ：图像分类从狗和猫到宠物品种Presizing（加压）交叉熵损失模型解释改进我们的模型结论
现在您已经了解了深度学习是什么、它的用途以及如何创建和部署模型，是时候让我们更深入地学习了！在一个理想的世界里，深度学习从业者不必知道事情如何在幕后工作的每一个细节。但到目前为止，我们还没有生活在一个理想的世界里。事实是，要使您的模型真正工作并可靠地工作，您必须正确处理很多细节，并且必须检查很多细节。这个过程需要能够在你的神经网络训练和预测时查看它的内部，发现可能的问题，并知道如何解决它们。因此，从这里开始，我们将深入探讨深度学习的机制。计算机视觉模型、NLP 模型、表格模型等的架构是什么？
