因为Pytorch对Apple M1芯片的支持的问题，此处的代码直接在使用m1芯片的mac上是无法直接运行的。原因在于torch.argmax()这个函数，运行时会产生一个“-9xxxxxxx”的错误值，可替代的改法是使用torch.max（）函数，例如“_，y=y.max（地面=1）”。这个问题在全书多处地方出现，所有使用了argmax（）函数的地方都有可能出现。是不是应该指出一下？
图中的 .mean( ) 不用加，因为下图中建立 loss= nn.CrossEntropyLoss()，默认的就是用 reduction=‘mean’，这将会在求交叉熵时，自动求批量里的每个输出与对应标签的交叉熵的平均值。当然，在此文中y_hat与y的每一行代表的是 时间步数*样本数目，且他们的排列是按照：同一批次里不同样本的同一时间步挨着，比如：一个批次有10个样本，每个样本有时间步5，那么y_hat与y的每行依次是 样本1 ，时间步1 ，样本2， 时间步1…样本9 ，时间步5，样本10 ，时间步5
要求Whh的梯度啊，你地知道Whh变化的快慢，然后才能修正Whh啊，你求state梯度有啥用，你知道state变化快慢，下一步是用他的梯度修正state？求谁的梯度，就是求谁的变化快慢的衡量指标，然后用他变化快慢的这个程度去修正他自己的值
如果输入和输出的行数都不一样，应该怎么做呢。我知道列数不同的时候可以怎么做
交叉熵损失函数会自动把y展成onehot形式
在梯度剪裁的代码里，居然是将每个参数梯度的平方和直接累加在一起，最后统一开根号。
norm = torch.sqrt(sum(torch.sum((p.grad ** 2)) for p in params))
我以为应该是对每个参数梯度的平方和独立开根号，然后各自与θ进行对比和进行约束缩放。。
那么这样做是合理的吗？
请教一下 8.5.5 节讲李普希兹连续有什么必要吗？李普希兹连续和梯度裁剪有啥关系？这一段读的我云里雾里，感觉前后无关。
我猜他的意思是