pytorch——不用包模拟简单线性预测，数据类型

常见的学习种类

线性回归，最简单的y=wx+b型的，就像是调节音量大小。逻辑回归，是否问题。分类问题，是猫是狗是猪

最简单的线性回归y=wx+b

目的：给定大量的（x,y）坐标点，通过机器学习来找出最符合的权重w和偏置b

损失指的是每个点进行wx+b-y然后平方累加，是用来估量模型的预测值f(x)与真实值Y的不一致程度。

根本的方法是首先要给出人工设定初始的w和b值，然后计算损失对于w和对于b的梯度，来找到下降梯度。

使得w和b往下降梯度变化来使得损失越来越小，w和b的值越来越精确的过程。

lr是学习效率，人为设定的值，学习效率乘以损失在w和b上的倒数相当于是下一代w和b所走的步长

通过迭代来使w和b往下降方向走，且每一次更新w‘和b'的值然后计算损失再迭代。