前置知识：Python 基础 / 第02篇的激活函数和归一化概念 / 第01篇的数学基础引言：从"能跑"到"能训练"前两篇我们搭了数学基础，理解了激活函数、归一化层的设计哲学。但知识停留在脑子里和写在纸上是不够的——代码才是工程能力的试金石。这一篇的目标很直接：手把手搭一个完整的 MiniBERT 训练循环，包含：数据加载（DataLoader）模型定义（nn.Module 最佳实践）训练循环（前向→损失→反向→优化器步）工程化技巧（梯度裁剪、学习率调度、checkpoint）过程中顺便把 Python 高级特性和 PyTorch 底层机制讲清楚。这不是一篇基础教程——我们直接进入"写生产级训练代码"的状态。一、Python 高级特性：深度学习中的"工程甜点"先来三个 Python 特性，它们在 DL 代码中频繁出现，但新手往往忽略。1.1@dataclass：超参数管理的最佳拍档写模型时你需要管理几十个超参数。最原始的方式是手写__init__：