目前的状态：人有点晕。好多细节的东西都不知道怎么来的。大方向有所把握：

1. 准备数据集：看起来很简单，其实不然。如何把文件读取进来，变成pytorch所需要的数据类型。

图片：你就需要ToTensor，Normalize转换为需要的数据类型

文字：对init，getitem，len进行重写

准备dataset，构建data_loader并返回

2. 构建模型：重写init和forward方法。在forward里对每一层进行处理。包括矩阵变换，激活函数等去得到输出

3. 训练：基本就是循环里面梯度归零，调用，loss，反向传播，更新

data_loader = get_dataloader()
    for idx,(input,traget) in enumerate(data_loader):
        optimizer.zero_grad()   # 梯度归零
        output = model(input)    # 调用模型得到预测值
        loss = F.nll_loss(output,traget)   # 得到损失
        loss.backward()   # 反向传播
        optimizer.step()   # 梯度更新

4. 测试：pass