#P23-P26
损失函数与反向误差
Loss function作用：1、计算实际输出和目标之间的差距 2、为我们更新输出提供一定的依据（反向传播）
#根据需要去选择使用，关注函数的输入和输出。
1.nn.L1Loss()
2.nn.MSELoss()
3.nn.CrossEntropyLoss() #求交叉熵
N batch_size C 指数据有多少类
优化器
优化器就是在深度学习反向传播过程中，指引损失函数（目标函数）的各个参数往正确的方向更新合适的大小，使得更新后的各个参数让损失函数（目标函数）值不断逼近全局最小。（梯度是函数上升最快的方向，所以梯度的反方向就是函数下降最快的方向）
backward是更新梯度，optim.step()是根据梯度计算参数
现有模型的使用及修改
网络模型的保存与读取
