PyTorch 深度学习基础

系统梳理 PyTorch 张量从创建、dtype/device 到 NumPy 互转、运算（in-place / 矩阵乘法）以及拼接（cat / stack）的关键用法与注意事项。

从深度学习训练实战出发，系统讲清索引、形状变换与常见运算，帮助你减少维度错误并提升代码可维护性。

从计算图、backward、梯度累积到 detach/no_grad，系统讲清 PyTorch 自动微分在训练中的核心机制与常见坑。

以一元线性回归为例，系统讲清数据构造、mini-batch 训练、MSE 损失、梯度下降更新和可视化评估，帮助你建立可迁移的深度学习训练范式。