深度学习框架 Pytorch 深入学习（7）：向量化 广播机制 基本索引与切片
向量化计算能显著提高计算效率，本文介绍 Pytorch 中对向量化的实现，包括了广播机制、基本的索引与切片。
深度学习框架 Pytorch 深入学习（6）：GPU 加速：CUDA 的使用
使用 GPU 加速技术，可以大幅减少训练时间。Pytorch 中的 `Tensor` 张量和 `nn.Module` 类就分为 CPU 和 GPU 两种版本。一般使用 `.cuda()` 和 `.to(device)` 方法实现从 CPU 迁移到 GPU ，从设备迁移到设备。
深度学习框架 Pytorch 深入学习（5）：可视化工具：TensorBoard
为了更直观地、实时地观察训练过程，使用一些可视化工具实现训练过程的图形化表达，以便直观地展现结果。本文以 Tensorboard 为例介绍深度学习里的可视化。
深度学习框架 Pytorch 深入学习（4）：数据处理 Dataset 和 Dataloader
Pytorch 针对数据处理，提供了两个重要的类 Dataset 和 Dataloader。本章主要讲解如何使用 Pytorch 实现深度学习/神经网络里的数据处理。相比于搭建已知的神经网络，对数据的处理更为复杂困难。【数据处理非常重要且困难！！】
SQL 自学笔记（7）聚合函数
MySQL 提供的内置函数包括单行函数和聚合函数，这章讲解聚合函数。聚合函数对一组数据进行操作，输入一组数据的集合，返回结果值。
SQL 自学笔记（6）单行函数
MySQL 提供的内置函数包括单行函数和聚合函数，这章讲解单行函数。单行函数：对行数据进行操作；输入参数，返回结果；对每行进行操作。
深度学习框架 Pytorch 深入学习（3）：利用 torch.nn 便捷搭建神经网络
本章主要讲解如何使用 Pytorch 实现深度学习/神经网络里的结构和功能，关注实践，理论较少。nn 模块是 Pytorch 提供的神经网络模块，可以快速便捷地搭建神经网络或神经网络里的各个层（layer）。
SQL 自学笔记（5）多表查询
本文详细介绍 数据库查询语言 SQL 的多表查询知识，包括等值连接、自连接、外连接。重点讲解 JOIN ON 语法
深度学习框架 Pytorch 深入学习（2）：自动求导 autograd 反向传播 backward 与计算图
计算图、前向传播和反向传播是搭建神经网络的重要知识，本文从原理详细介绍了 Pytorch 中对这些流程的实现。最后提供了一个从0编程训练线性回归模型的案例。
SQL 自学笔记（4）排序与分页：ORDER BY 子句 和 LIMIT 子句
本文详细介绍 数据库查询语言 SQL 的 ORDER BY 子句，使数据按照设定的规则排序输出。LIMIT 子句，返回特定范围（行）的数据，以免占据页面过多
