使用 PyTorch 的最佳化器

先前你手動更新了網路的權重，藉此更了解訓練在幕後如何運作。不過，對於包含許多層的深度網路，這種方式無法擴充。

所幸，PyTorch 提供了 SGD 最佳化器，只要幾行程式碼就能有效自動化這個流程。現在，你將使用 PyTorch 的最佳化器來更新權重，完成訓練迴圈。

已建立一個神經網路並以變數 model 提供。此模型已執行 forward pass，並產生預測張量 pred。目標張量採用 one-hot 編碼，名稱為 target，而交叉熵損失函式則儲存在 criterion。

torch.optim 已以 optim 載入，torch.nn 已以 nn 載入供你使用。