init 包含搭建层所需要的信息，以及每一层的输入输出结果
forward 包含前向传递的过程，负责搭流程图
loss = loss_func(prediction,y) 比较测量值prediction和真实值y
优化过程：
optimizer.zero_grad() 梯度降为0
loss.backward() 反向传递给每个节点计算出梯度
optimizer.step()优化梯度
torch.ones(100,2) 返回一个100乘2的全为1张量
x = torch.linspace(1,10,10) 从1到10的10个点
以下为莫凡教学视频的截图
图片.png
