在开始深度学习之前，首先要了解一些基本的相关知识，例如：
- 所有的机器学习方法都涉及从数据中提取信息。因此，我们首先将学习一些实用技能，包括存储、操作和预处理数据。
- 机器学习通常需要处理大型数据集。我们可以将数据集视为表，其中表的行对应于样本，列对应于属性。线性代数为我们提供了一些用来处理表格数据的技术。我们不会太深入细节，而是将重点放在矩阵运算的基本原理及其实现上。
- 深度学习是关于优化的。我们有一个带有参数的模型，我们想要找到那些能拟合数据的最好模型。在算法的每个步骤中，决定以何种方式调整参数需要一点微积分知识。（autograd包会自动为我们计算微分）
数据操作
所有的数据都需要存储和处理，那么应该如何存储和处理数据呢？就用n-维数组（ndarray）, 它是 DJL 用来存储和转换数据的主要工具。在 DJL 中，NDArray 是一个类，任何示例被称为“an ndarray”。
创建NDArray
。。
