优化器(以SGD为例)

pytorch中对于优化器的介绍：

​​​​​​torch.optim — PyTorch 1.11.0 documentation

上一篇文章介绍了使用损失函数直观的看出实际值与目标值之间的差距，本节利用优化器使训练时实际输出值在每一轮训练中利用优化器不断接近目标值，使损失值不断减少

这里使用随机梯度下降优化器（SGD）

import torch.optim
import torchvision
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, CrossEntropyLoss, Sequential
from torch.utils.data import DataLoader

#数据集
dataset = torchvision.datasets.CIFAR10("../data",train=False,transform=torchvision.transforms.ToTensor(),download=True)
dataloader = DataLoader(dataset, batch_size=1)

#神经网络
class Gu(nn.Module):
    def __init__(self):
        super(Gu  , self).__init__()
        self.model1 = Sequential(
            Conv2d(3, 32, 5, padding=2),
            MaxPool2d(2),
            Conv2d(32, 32, 5, padding=