知识点回顾： 1.三种不同的模型可视化方法：推荐torchinfo打印summary+权重分布可视化

2.进度条功能：手动和自动写法，让打印结果更加美观

3.推理的写法：评估模式

作业：调整模型定义时的超参数，对比下效果。

1.只调整隐藏层参数

    def __init__(self):  super(MLP, self).__init__()  self.fc1 = nn.Linear(4, 20)  # 输入层到隐藏层  self.relu = nn.ReLU()  self.fc2 = nn.Linear(20, 3)  # 隐藏层到输出层

python运行损失并没有下降

2.调整优化器

optimizer = optim.Adam(model.parameters(), lr=0.001)

3.优化器+隐藏层

@浙大疏锦行