pytorch的优化器：管理并更新模型中可学习参数的值，使得模型输出更接近真实标签

导数：函数在指定坐标轴上的变化率
方向导数：指定方向上的变化率
梯度：一个向量，方向为方向导数取得最大值的方向

基本属性
? defaults：优化器超参数
? state：参数的缓存，如mom en tum的缓存
? params_groups：管理的参数组
? _step_count：记录更新次数，学习率调整中使用

基本方法
? zero_grad()：清空所管理参数的梯度
? step()：执行一步更新
? add_param_group()：添加参数组
? state_dict()：获取优化器当前状态信息字典
? load_state_dict() ：加载状态信息字典
pytorch特性：张量梯度不自动清零

优化器:

1. optim.SGD：随机梯度下降法
2. optim.Adagrad：自适应学习率梯度下降法
3. optim.RMSprop： Adagrad的改进
4. optim.Adadelta： Adagrad的改进
5. optim.Adam：RMSprop结合Momentum
6. optim.Adamax：Adam增加学习率上限
7. optim.SparseAdam：稀疏版的Adam
8. optim.ASGD：随机平均梯度下降
9. optim.Rprop：弹性反向传播
10. optim.LBFGS：BFGS的改进