Python打卡训练营Day60

DAY 60 复习日

  梳理之前的内容，建立自己的思维导图，课程最开始提供了思维导图，但是时间关系可能得未来补全（这个工作量也挺大），大家尽可能自己在一个白板上面来自己回忆回忆，在对着讲义和代码进行补充。

## 一、基础准备
├── 1.1 环境配置
│   ├── PyTorch/CUDA安装
│   ├── GPU性能查看（`nvidia-smi`）
│    └── 随机种子设置
├── 1.2 项目规范
│   ├── 文件拆分（Notebook vs 模块化）
│   ├── 命名规范
│   └── 类型注解
└── 1.3 文档阅读
    ├── 官方文档检索（GitHub/官网）
    ├── 版本匹配原则
    └── 类方法三要素（参数/返回值/调用）

## 二、神经网络基础
├── 2.1 模型构建
│   ├── `nn.Module`继承
│   ├── 层定义（Linear/Conv2d）
│    └── 前向传播（`forward`）
├── 2.2 训练流程
│   ├── 数据预处理
│   │   ├── 归一化
│   │   └── 张量类型转换（分类→long，回归→float）
│   ├── 损失函数（CrossEntropy/MSE）
│   ├── 优化器（SGD/Adam）
│    └── 训练循环
└── 2.3 模型管理
    ├── 保存与加载
    │   ├── 仅权重（`.pth`）
    │   └── Checkpoint
     └── 早停策略（Val Loss监控）

## 三、计算机视觉
├── 3.1 数据加载
│   ├── `Dataset`类（`__getitem__`/`__len__`）
│    └── `DataLoader`（batch/shuffle）
├── 3.2 CNN架构
│   ├── 经典网络
│   │   ├── LeNet → ResNet
│   │   └── Inception模块
│   ├── 卷积计算（特征图/感受野）
│   └── BatchNorm/Dropout
├── 3.3 注意力机制
│   ├── SE（通道注意力）
│   ├── CBAM（通道+空间）
│   └── 模块插入策略
└── 3.4 可视化工具
    ├── Grad-CAM（Hook函数）
    ├── 特征图热力图
    └── TensorBoard（训练监控）

## 四、时序预测
├── 4.1 数据检验
│   ├── 平稳性（ADF检验）
│   ├── 白噪声（Ljung-Box）
│   └── 季节性分解
├── 4.2 经典模型
│   ├── ARIMA（p,d,q）
│   │   ├── 差分阶数确定
│   │    └── ACF/PACF定阶
│   └── SARIMA（季节性扩展）
└── 4.3 多变量处理
    ├── 滑动窗口构造
    └── VAR/SARIMAX

## 五、高级技巧
├── 5.1 调参指南
│   ├── 超参数分类（架构/优化/正则化）
│    └── 调参顺序（学习率→层宽→正则化）
├── 5.2 生成模型
│    └── GAN（生成器/判别器）
└── 5.3 预训练模型
    ├── 微调策略（差异化LR）
    └── ResNet结构解析

## 六、实战作业流
└── 6.1 标准流程
    ├── 数据探索 → 预处理 → 建模
    ├── 训练 → 验证 → 早停
    └── 可视化 → 推理部署

时间好快。day60 over!