- 数据增强
定义：通过对原始图像进行随机变换（如旋转、翻转、裁剪、亮度调整等），生成更多 "新样本" 的技术。
作用：
（1）扩充数据集规模，缓解过拟合
（2）提升模型对图像变换的鲁棒性
- 卷积神经网络（CNN）定义的写法
CNN 的核心层包括卷积层、池化层、全连接层，需通过类继承nn.Module实现，示例如下：
- Batch 归一化（BatchNorm）
定义：对一个批次内的特征进行归一化（调整均值为 0、方差为 1），常用在卷积层之后。
作用：
加速模型训练（缓解梯度消失）；降低对初始化的敏感性；一定程度上抑制过拟合。
- 特征图
定义：卷积操作输出的多维张量（形状为[batch_size, 通道数, 高度, 宽度]），是对输入图像的 "抽象特征表示"。
特点：
浅层特征图：对应边缘、纹理等低级特征；
深层特征图：对应物体轮廓、类别等高级特征。
- 调度器（学习率调度器）
定义：训练过程中动态调整学习率的工具（直接修改基础学习率）。
作用：前期用较大学习率快速收敛，后期用较小学习率精细优化。
常用类型：
（1）StepLR：按固定步长衰减；
（2）ReduceLROnPlateau：根据验证集指标衰减。
作业：修改调度器与 CNN 结构，对比训练差异
