以下是个人理解，希望进行讨论求解。

练习

1. 如果我们将权重初始化为零，会发生什么。算法仍然有效吗？

根据SGD算法公式如上，第一次迭代的值可知w只与b相关，而对于b的迭代更新，只是与b的初始值相关，x没有参与迭代的计算过程中，不能够达到收敛的目的。
进行运行可以如下结果：

2. 假设试图为电压和电流的关系建立一个模型。自动微分可以用来学习模型的参数吗?

显而易见可行，因为 UR=I，I和U的关系是线性关系。

3. 能基于普朗克定律使用光谱能量密度来确定物体的温度吗？

能基于普朗克定律使用光谱能量密度如下：


推导公式最后如下，可得其u与T之间是线性关系，是正比情况，所以可以利用SGD的方法通过数据进行拟合。

4. 计算二阶导数时可能会遇到什么问题？这些问题可以如何解决？

显而易见存在一阶导数光滑，但是二阶导数曲线不光滑的情况，类似于一阶导数驻点突变问题。利用阈值判断停止计算，或者调整学习率等，参考上一章的答案。以上是我能够想到的问题。显然不是足够，所以动用一下gpt帮忙：

5. 为什么在squared_loss函数中需要使用reshape函数？

要将真实值y的形状转换为和预测值y_hat的形状相同。根据函数矩阵计算可知，x是102大小，w是21，得出的y_hat是101，但是y是110，所以需要转置。

6. 尝试使用不同的学习率，观察损失函数值下降的快慢。

学习率0.01的时候

学习率0.02的时候

可知道收敛速度不同，收敛精度不同

7. 如果样本个数不能被批量大小整除，data_iter函数的行为会有什么变化？

修改代码batch_size设置为11，进行运行，发现可运行，说明了最后一个batch直接被运算抛弃了，不参与计算。