init 包含搭建層所需要的信息，以及每一層的輸入輸出結(jié)果
forward 包含前向傳遞的過程，負(fù)責(zé)搭流程圖
loss = loss_func(prediction,y) 比較測量值prediction和真實值y
優(yōu)化過程：
optimizer.zero_grad() 梯度降為0
loss.backward() 反向傳遞給每個節(jié)點計算出梯度
optimizer.step()優(yōu)化梯度
torch.ones(100,2) 返回一個100乘2的全為1張量
x = torch.linspace(1,10,10) 從1到10的10個點
以下為莫凡教學(xué)視頻的截圖
圖片.png
