1. 元素、列表、字典等基础数据形式，函数、类等常⽤形式
			1. Ubuntu环境介绍，常⽤命令cd、ls、cp、nvidiasmi等等2. 程序运⾏⽅式：Notebook使⽤
			标量、向量、矩阵、范数、矩阵乘法、导数、线性空间等
			样本、概率、随机变量、期望⽅差、条件和边缘概率分布
			数据集划分、模型复杂度、模型选择、模型优化（梯度下降等）
			图像⾊彩空间、全连接操作、激活函数、与⽣物神经元联系、正向推理、反向优化、BP求梯度等
			基础：卷积、池化、激活函数、Dropout、DataAugmentation、Batch Normalization；代表性算法：AlexNet、VGGNet、ResNet；应⽤：在图像分类中的性能，ImageNet竞赛
			简要介绍各个平台：TensorFlow、Caffe、Torch、；强调其两个特性：1）⾃动求导和2）调⽤GPU
		2.平台介绍与案例实践	Pytorch基本元素包括矩阵、变量等的表⽰，基本运算⽅式，深度学习相关的，图像分类和回归等实例

			1.不同类型数据数据预处理2.模型建⽴原则3.训练过程调试4.结果评估与反馈