优化模型参数，模型集成

前言

前三节我们掌握了模型和数据，这节我们将通过优化数据参数来训练，验证和测试模型。训练模型是一个迭代过程；每次迭代（称为epoch），模型对输出进行预测，计算其预测误差（loss），收集误差相对于其参数的导数，使用梯度下降优化参数

Prerequisite Code

首先从前两节中Datasets & DataLoaders和Build Model部分加载代码

import torch
from torch import nn
from torch.utils.data import DataLoader
from torchvision import datasets
from torchvision.transforms import ToTensor, Lambda

training_data = datasets.FashionMNIST(
    root="data",
    train=True,
    download=True,
    transform=ToTensor()
)

test_data = datasets.FashionMNIST(
    root="data",
    train=False,
    download=True,
    transform=ToTensor()
)

train_dataloader = DataLoader(training_data, batch_size=64)
test_dataloader = DataLoader(test_data, batch_size=64)

class NeuralNetwork(nn.Module):
    def __init__(self):
        super(NeuralNetwork, self).__init__()
        self.flatten = nn.Flatten()
        self.linear_relu_stack = nn.Sequential(
            nn.Linear(28*28