一个简单模型学习了解torch如何训练一个模型，理解如何修改一个模型的权值。

 下面的代码实现

  W* (1,1)  --->100，学习调整W权值最终让(1,1)*W 输出100

loss对w求梯度grad，记住梯度就是导数就是w与loss关系，grad>0 ,w与loss是递增关系，grad<0，递减。

所以调整w的值就能减小loss，如此调整w=w - grad*0.01就能减小loss

import torch

#用(1,1)*W =100，学习调整W权值


w = torch.tensor([0.1,0.1],requires_grad=True)#这是我们的权值矩阵初始值可以随机


x=torch.tensor([1.0,1.0]) #输入值

y=torch.tensor([100.0])   #目标值


for i in range(20):
    
    pre=torch.matmul(x,w)   # pre=W*X

    loss=(y-pre)**2         #计算目标值与预测值差距

    loss.backward()  #反向传播维度必须是0,反向传播求w梯度

    
    ##  下面手动调整权值：

    #------修改w的值用w.data---------------
    w.data=w.data-w.grad*0.1 #调整权不能w=，将会失去梯度
    #--------------------------------------
    
    print("-w.grad----:",w.grad)
    w.grad=torch.tensor([0.0,0.0])     #loss.backward()梯度会叠加，所以这里清0
    
    print("{}:目标值：{}，预测值：{}，误差{}:".format(i,y.item(),pre.item(),loss.item()))
    print()