神经网络模型训练基本流程

简单的神经网络模型是：前向回馈神经网络（feed-forward）, 其包括以下几层：
输入、多个层次的对输入的回馈以及最终的输出。

简单的神经网络的训练过程包括以下几个步骤：

1. 定义一个包含多个可学习参数（权重）的神经网络；
2. 对输入的数据集进行迭代计算；
3. 通过多层网络结构来处理输入数据；
4. 计算损失值（输出值与目标值的差值）；
5. 反向传播梯度到神经网络的参数中；
6. 根据更新规则来更新网络中的权重值。

如下图所示：

https://pytorch.org/tutorials/beginner/blitz/neural_networks_tutorial.html