3D机器学习（8）：GPU加速、计算正确率、训练监测可视化tensorboardX和visdom
GPU加速：把计算过程从CPU切换到GPU上。首先，把设备定义为使用cuda，然后把我们建立好的网络MLP搬到设备上去，还需要把交叉熵损失函数也搬上去，最后需要把data搬上去。，即完成了数据上传至cuda进行加速运算的前期准备。网络刚开始训练时，loss会下降，准确性会上升，这时的网络参数在学一些本质的特征，但随着学习的次数增加，会发现尽管准确率上升，但有效性却不再上升，并且损...
