下面给出模型训练步骤的思路，在用pytorch（也包括其他框架）编写代码进行网络编写时，建议都按照这几个步骤来进行，形成一个清晰的思路
各模块简要说明
数据：涉及数据的收集、划分、读取及预处理等
模型：根据任务的复杂程度选择简单的线性模型或复杂的神经网络模型等
损失函数：根据任务的不同选择不同的损失函数，比如线性回归模型采用均方差函数，分类任务采用交叉熵函数等
优化器：根据损失函数求得的梯度来更新模型参数
迭代训练： 确立好前四大模块后，进行反复的迭代训练：前向传播；计算loss；反向传播；更新梯度；清空梯度；计算acc及可视化