本文重点
本文个人认为是本专栏最重要的章节内容之一，前面我们学习了pytorch中的基本数据tensor，后面我们就将学学习深度学习模型的内容了，在学习之前，我们先来看一下我们使用pytorch框架训练神经网络模型的基本步骤，然后我们下面就将这些步骤分解开来，详细学习。
代码
这个代码做了什么？
这个代码虽然仅仅有29行，但是确是深度学习模型训练的全部精髓，我们只要把这些掌握，那么毫无疑问pytorch就很简单了，我们先来简单的解释一下这几行代码做了什么？
1.首先引入了程序所需要的库
2.建立网络模型
建立网络模型需要注意几点：首先必须继承nn.Module，然后再__init__方法内构造我们的模型，最后forward方法中写上该网络模型的前向传播过程。
3.数据准备
本程序中构建了一个样本，数据为x，标签为y
4.创建网络模型实例
这个就是初始化网络模型对象就ok
5.定义损失函数
损失函数有很多根据自己的需求来定义，这里使用的是平方和损失函数
6.定义优化器
优化器有很多，我们常用的是随机梯度下降优化器SGD
7.前向传播
