使用 PyTorch 优化器

之前，您手动更新过网络的权重，从而了解了训练在幕后是如何进行的。不过，这种方法不适用于层数较多的深层网络，难以扩展。

好在 PyTorch 提供了 SGD 优化器，只需几行代码就能高效自动完成这一过程。现在，您将使用 PyTorch 优化器来更新权重，补全训练循环。

我们已创建一个神经网络并以变量 model 提供。该模型已完成一次前向传播，生成了预测张量 pred。目标采用 one-hot 编码的张量名为 target，交叉熵损失函数存放在 criterion 中。

torch.optim 已以 optim 名称导入，torch.nn 已以 nn 名称导入。