pytorch.optim包中可以直接调用SGD进行构建优化器，很简单，也很方便，但仍有一些细节需要注意一下
PyTorch由4个主要包装组成：
1.Torch：类似于Numpy的通用数组库，可以在将张量类型转换为（torch.cuda.TensorFloat）并在GPU上进行计算。
2.torch.autograd：用于构建计算图形并自动获取渐变的包
3.torch.nn：具有共同层和成本函数的神经网络库
4.torch.optim：具有通用优化算法（如SGD，Adam等）的优化包
这里调用SGD的常用格式是：
这里是例化了一个对象，优化器的实现需要给出网络的参数空间param_groups，然后就会得到优化器optimizer，该优化器叫SGD，即随机梯度下降。在神经网络中，优化器通过反向传播计算得到的梯度来更新网络的参数，达到训练的目的，从而降低目标函数的值。常见目标函数有平均误差和交叉熵（cross?entropy）
?
那么，这个优化器是如何实现参数的优化的呢？那就得进入SGD的源码来看了
下面直接根据SGD的源码进行说明（截取一部分，帮助我们去理解内部在干什么）
? class SGD(Optimizer):
? def __init__(self, params, lr=required, momentum=0, dampening=0,
weight_decay=0, nesterov=False):
defaults = dict(lr=lr, momentum=momentum, dampening=dampening,
? weight_decay=weight_decay, nesterov=nesterov)
if nesterov and (momentum <= 0 or dampening != 0):
raise ValueError("Nesterov momentum requires a momentum and zero dampening")
super(SGD, self).__init__(params, defaults)
这是SGD的__init__方法，我们从这里只需要知道SGD中的param_group是一个长度为2的list，其中params, lr=required, momentum=0, dampening=0, weight_decay=0, nesterov=False组成一个字典，即param_groups[0]，至于param_group[1]表明了优化器状态。其他参数简单提一下，learningRate（梯度下降速率），learningRateDecay（梯度下降速率的衰减），weightDecay（权重衰减），momentum（动量?or?冲量）等等
方法step是SGD进行参数优化的核心，其实只要看到最后一行p.data.add_(-group['lr'], d_p)，你就能明白这是什么了，没错，这就是w -=?learning?rate * （w的梯度）。从这里我们就知道了，梯度的计算要在step函数之前进行，否则你拿什么来更新参数呢？
这里要注意一下 y.add_(a,b)?就是? y+a*b，而不是y+a+b！
于是乎，就有了我们常见的一种写法：
Note：
1、进行新一轮backward之前，一定要清空之前那个batch输入在计算图中留下的梯度，否则下面的backward产生的新梯度将会和旧梯度形成梯度累加。
2、我们一般都会把model移到GPU上，故模型参数将会从cpu变成gpu上的参数，参数的变化要求我们必须得在创建优化器之前就得做好转移的工作。
SGD具体的源码我也给在这了：https://github.com/pytorch/pytorch/blob/cd9b27231b51633e76e28b6a34002ab83b0660fc/torch/optim/sgd.py#L63
