MNIST 数据集
MNIST 数据集经常被用来检验机器学习模型的性能，官网包含多达68 种模型在该数据集上的准确率数据，包括线性分类器， K近邻方法 、普通的神经网络、卷积神经网络等。
tf.Tensor 类是 TensorFlow 的核心类，常用的占位符（ tf.placeholder ）、变量（ tf.Variable）都可以看作特殊的 Tensor。
词向量
19种损失函数
L1范数损失 L1Loss
计算 output 和 target 之差的绝对值。
均方误差损失 MSELoss
计算 output 和 target 之差的均方差。
交叉熵损失 CrossEntropyLoss
KL 散度损失 KLDivLoss
二进制交叉熵损失 BCELoss
BCEWithLogitsLoss
MarginRankingLoss
HingeEmbeddingLoss
多标签分类损失 MultiLabelMarginLoss
平滑版L1损失 SmoothL1Loss
2分类的logistic损失 SoftMarginLoss
多标签 one-versus-all 损失 MultiLabelSoftMarginLoss
cosine 损失 CosineEmbeddingLoss
多类别分类的hinge损失 MultiMarginLoss
三元组损失 TripletMarginLoss
连接时序分类损失 CTCLoss
负对数似然损失 NLLLoss
NLLLoss2d
PoissonNLLLoss
Reference: