编写训练循环

在 scikit-learn 中，训练循环被封装在 .fit() 方法内；而在 PyTorch 中，您需要手动搭建。这样更灵活，但也需要自定义实现。

在本练习中，您将创建一个循环来训练用于薪资预测的模型。

已提供 show_results() 函数，方便您可视化部分预测结果。

已导入的包包括：将 pandas 导入为 pd，torch，将 torch.nn 导入为 nn，将 torch.optim 导入为 optim，以及从 torch.utils.data 中导入 DataLoader 和 TensorDataset。

以下变量已创建：num_epochs（训练轮数，设为 5）、dataloader（数据加载器）、model（神经网络）、criterion（损失函数，nn.MSELoss()）、optimizer（SGD 优化器）。

编写一个 for 循环迭代 dataloader；它应嵌套在另一个按轮数范围迭代的 for 循环中。
将优化器的梯度清零。