对于神经网络来说，我们已经习惯了层状网络的思维：数据进来，经过第一层，然后第二层，第三层，最后输出结果。这个过程很像流水线，每一步都是离散的。
但是现实世界的变化是连续的，比如烧开水，谁的温度不是从30度直接跳到40度，而是平滑的上生。球从山坡滚下来速度也是渐渐加快的。这些现象背后都有连续的规律在支配。
微分方程就是描述这种连续变化的语言。它不关心某个时刻的具体数值，而是告诉你"变化的速度"。比如说，温度下降得有多快？球加速得有多猛？
Neural ODE的想法很直接：自然界是连续的，神经网络要是离散的？与其让数据在固定的层之间跳跃，不如让它在时间维度上平滑地演化。
微分方程的概念
微分方程其实就是描述变化的规则。
https://avoid.overfit.cn/post/af8511a953524409b9f41fd27d5958b7