day39

@浙大疏锦行

1. CPU 与 GPU 性能对比
CPU：核心少，线程多，适合复杂逻辑、分支判断，以及少量数据的计算。
GPU：核心极多，线程多，适合大规模并行计算（如图像处理、深度学习矩阵运算）。
关键指标：
CPU：核心数、线程数、主频、缓存。
GPU：CUDA 核心数、显存大小、显存带宽、算力

2.GPU 训练的方法
PyTorch 中 GPU 训练的核心是将 “模型” 和 “数据” 都移动到 GPU 设备上，步骤如下：

（1）确定可用 GPU 设备：

（2）模型移动到 GPU：

（3）数据（张量 / 数据集）移动到 GPU：

3.类的 __call__ 方法
在 Python 中，__call__ 让类实例可以像函数一样被调用。
在 PyTorch 中，nn.Module 实现了 __call__，调用时会自动执行 forward() 方法，并做额外的 hook、参数管理等。
所以可以写：

4.对比不同loss记录频率对训练耗时的影响