求教，机器学习训练过程中遇到“由于目标计算机积极拒绝，无法连接”的问题

这是使用spyder运行的代码，用的是anaconda环境，pytorch框架（数据集那些都已经在盘里面）：

# 引入Pytorch，在Python中使用torch表示
import torch
# 从torch中引入网络层
from torch import nn
# 从torch中引入优化器（求解器）
from torch import optim
# 引入torchvision处理常用的数据集
from torchvision import datasets, transforms
# 引入可视化工具visdom
import visdom
import numpy as np

####################
## 第1步 加载数据集 ##
####################

# load dataset 加载数据集
# torch提供的数据加载函数
# 加载 datasets.MNIST 这个数据集
# 数据集存放路径为''D:/kaikeba___/data'(按照自己存放的路径，若路径下没有数据集，download=True会自动下载)'
# train=True，是否开展训练：是
# 图片变换，transforms是torchvision提供的图片处理函数，包括放大，扰动等。此处要变换图片大小.Resize()；改变图片数据格式为矢量.ToTensor()，因为图片加载后是标量numpy
# 如果没有这个数据集，就载这个数据集download=True
# batch_size可以理解为多线程，即一次加载128张图片
# shuffle=True，随机化，将图片打散
train_loader = torch.utils.data.DataLoader(datasets.MNIST('F:/ppppp/data', train=True,
                                                          transform=transforms.Compose([
                                                              transforms.Resize(
                                                                  28, 28),
                                                              transforms.ToTensor(),
                                                          ]), download=True),
                                           batch_size=128, shuffle=True
                                           )

# 将上面的train_loader复制粘贴下来，作为测试集test_loader。但也要做一些修改。
# 区分数据集是用于训练还是测试，从train = True/False可以判断
test_loader = torch.utils.data.DataLoader(datasets.MNIST('F:/ppppp/data', train=False,
                                                         transform=transforms.Compose([
                                                             transforms.Resize(
                                                                 28, 28),
                                                             transforms.ToTensor(),
                                                         ]), download=True),
                                          batch_size=128, shuffle=True
                                          )

# 为训练添加环境变量，之后程序产生的所有数据都会出现在这个环境变量中，visdom就可以监听数据实现可视化
# 而且在visdom中还可以按照环境变量名选择性监听，便于分类管理
viz