因为在一般情况下，每次minibatch之后，都会计算得到一个loss，进而计算该loss关于全局参数的梯度。如果在下一次minibatch 进入模型，计算得到相应的loss和梯度之前，不对优化器的梯度进行置0操作，那么几次batch的梯度会有一个累积效应，影响模型参数的优化。
在每一次batch'训练完之后，计算得到loss损失函数和相应梯度，都会对模型参数进行调整，那么该batch数据在这一轮训练里面的作用已经完成了。我们不希望这些优化过模型参数的batch的loss梯度累积起来，继续对模型参数优化产生影响。