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
python
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
python
optimizer = optim.Adam(model.parameters(), lr=0.001)
3.优化器+隐藏层
