深入浅出pytorch(四) pytorch

基础实战——FashionMNIST时装分类这里基础实战已经给出了pytorch基础实战代码，配置好环境后直接打开，逐步运行即可。
整个流程为
导入必要的包配置训练环境和超参数数据读取和加载数据格式变换定义DataLoader 可视化验证读取数据数据集读取模型构建设定损失函数设定优化器训练及测试训练完毕

读取数据时，由于我们选择使用的是MNIST数据集，由PyTorch，torchvision提供的内置数据集。方式一直接下载速度较慢，选择第二种
自行构建Dataset类，提前下载好数据集，读入csv格式的数据
定义一个Dataloader类便于后续数据读取
设计训练模型，这里只是给了个较容易上手的CNN模型，中间模块化程序较多，需要自己理解。
设定损失函数，这里用的是自带的Crossentropy交叉熵损失。
设定优化器，选择Adam优化器
最后，将各部分代码封装，便于后续改进
根据结果？进行训练，调参？
至此模型训练完毕。

【深入浅出pytorch(四)】整体上，通过给定的简单的一个基于Pytorch深度学习训练模型，对深度学习的一般模型训练应用有了最基本的实践与认识，最近在上深度学习课程，这个team-learning可以说，提前多夯实了pytorch框架下，模型训练的一些理论知识，通过简单的动手实践，理解并熟悉了这样一套流程。加油！
更新，直到最后，还没意识到其中问题

前面都没啥异常，只是最后一步，训练模型的时候一直卡在那里，未果，发现中间并没有使用GPU，反复安装环境，手动下载，pip安装torch对应的cuda版本的GPU包，.whl文件，至此torch.cuda.is_available()结果为True
jupter notebook内核显示内核挂掉了？将会立即重启？