《第一章》《第二章》
研究如何使计算机系统利用经验改善性能。
关注如何自动找出表示数据的合适方式，以便更好地将输入变换为正确的输出。
具有多级表示的表征学习方法。在每一级（从原始数据开始），深度学习通过简单的函数将该级的表示变换为更高级的表示。因此，深度学习模型也可以看作是由许多简单函数复合而成的函数。当这些复合的函数足够多时，深度学习模型就可以表达非常复杂的变换。
端到端的训练——将整个系统组建好之后一起训练。（整个模型一起训练，调整）
从含参数统计模型转向完全无参数的模型——当数据非常稀缺时，我们需要通过简化对现实的假设来得到实用的模型。当数据充足时，我们就可以用能更好地拟合现实的无参数模型来替代这些含参数模型。（像人类一样，有经验根据经验判断，没经验用直觉）
对非最优解的包容、对非凸非线性优化的使用，以及勇于尝试没有被证明过的方法。（某种意义上的直觉）
踩了个大坑，不要直接下载NVIDIA官网的cuda11.0，找不到mxnet-cu110的包。
如果下载mxnet-cu101，也需要下载cuda10.1版本，才能import mxnet。
在import mxnet的时候发现了dll文件找不到，下载了最新的vc和一个dependences walker软件查看dll。而后重启jupyter内核，莫名奇妙解决了，至今不知问题在哪。
arange(n)——[0,1...,n]，理解为a指一维，range指范围
shape——数组的形状，即每个维度的长度所组合成的元组，（3，4）表示三行四列
运行本节中的代码。将本节中条件判别式X == Y改为X < Y或X > Y，看看能够得到什么样的NDArray。
答：逐个判断元素地比较大小