inputs=tt.randn([10,3])可以随机生成高维度的数组
2.
定义一个模型为modle
modle.cpu()将其调用到cpu
modle.cuda()将其调用到gpu
3.
关于CrossEntropyLoss函数，
其输入的y必须为（out,）的形式，也就是说一行out列
而且必须是long形式，通过y=y.long()直接指定
4.
nn.CrossEntropyLoss()做几分类取决于前面的输出层，如果说想做两分类在之前就要设置自己输出层为2.
分类不用one-hot编码对y编码性能会很差，而且用交叉熵的前提就是几个分类做积，所以更需要投影成n维
在使用y编码后不管是哪个性能都很好，而且由于不同的loss，导致loss有时候就图一乐
![[Pytorch框架] 1.4 Autograd：自动求导](https://www.kunjuke.com/file/css/thumb/2.jpg/280-180.jpg)
