今天是打卡的第七天，今天学习了函数式微分的概念，然后学习MindSpore中提供的方法，函数与计算图（根据计算图构造计算函数和神经网络），微分函数与梯度计算、Auxiliary data、Stop Gradient、神经网络梯度计算。
今天学两课，另一篇是模型训练的四个步骤：构建数据集；定义神经网络模型；定义超参、损失函数及优化器；输入数据集进行训练及优化器。
函数式自动微分
模型训练
今天是打卡的第七天，今天学习了函数式微分的概念，然后学习MindSpore中提供的方法，函数与计算图（根据计算图构造计算函数和神经网络），微分函数与梯度计算、Auxiliary data、Stop Gradient、神经网络梯度计算。
今天学两课，另一篇是模型训练的四个步骤：构建数据集；定义神经网络模型；定义超参、损失函数及优化器；输入数据集进行训练及优化器。
函数式自动微分
模型训练
道可道，非常道；名可名，非常名。 无名，天地之始，有名，万物之母。 故常无欲，以观其妙，常有欲，以观其徼。 此两者，同出而异名，同谓之玄，玄之又玄，众妙之门。
