七、PyTorch可视化 7.1 可视化网络结构 7.1.1 神经网络可视化背景 前面说过，要想基于某个开源神经网络进行二开，修改成符合自己需求的神经网络，需要对原开源神经的结构、输入输出有熟悉的了解。 直接使用Python原生的print函数打印相关神经网络实例，固然可以输出其结构，但只能得到其最粗略的构件信息（每一个模型块或层由哪些模型块组成，及构造函数的关键参数），不能直观地查看每一个模型块

六、PyTorch进阶训练技巧 6.1 自定义损失函数 尽管PyTorch官方针对主流模型为用户提供了很多内置损失函数，但随着应用场景的变化与自定义模型的出现，那些内置损失函数可能并不适合，于是产生了一些针对非通用模型的损失函数。有些损失函数是针对某特定场景使用，可以直接拿来使用或修改使用，有些场景或自定义模型甚至找不到现成或逼近的损失函数可用，此时就需要自定义损失函数。 本章节学习的内容包括：如

本系列学习笔记源自开源项目：https://github.com/datawhalechina/hello-gpu 。是自己在学习过程上的记录与心得。 第0篇 入门与硬件速通 0.0 项目介绍与学习提示 篇 你要学什么 学完能做什么 大约时间 第 0 篇 入门 环境验证、GPU 体系结构、第一个程序 跑通环境，建立硬件直觉 1-2 天 第 1 篇 Profiling bench

一、部署与配置文档 官方文档：https://hermes-agent.nousresearch.com/docs/zh-Hans/ 中文社区文档：https://hermesagent.org.cn/docs/getting-started/installation 二、常用命令 部分可参考：https://hermesagent.org.cn/docs/user-guide/configura

一、说明 本文件代码以下记录了一个完整、可运行的 TensorFlow 示例，演示“知识蒸馏”是怎么从教师模型训练、到学生模型蒸馏、再到模型导出与结果可视化的。 本文件代码colab地址 此文件代码已经上传保存到google colab上，可以直接运行：https://colab.research.google.com/drive/1sFxDyFvHRZr5YvV8S2PFw-583RaucK

五、PyTorch模型定义 5.1 PyTorch模型定义的方式 我们会在不同场合看到多种不同的模型架构，比如 CNN（Convolutional Neural Network，卷积神经网络）、RNN（Recurrent Neural Network，循环神经网络）、GNN（Graph Neural Network，图神经网络），它们是深度学习领域针对不同数据结构设计的神经网络架构，分别用来解决网