定义训练数据集大小，测试数据集大小，输入特征数和批次大小

n_train, n_test, num_inputs, batch_size = 20, 100, 200, 5

定义真实的权重和偏差

true_w, true_b = torch.ones((num_inputs, 1)) * 0.01, 0.05

生成训练数据集

train_data = d2l.synthetic_data(true_w, true_b, n_train)

加载训练数据集，每次迭代取出 batch_size 个样本

train_iter = d2l.load_array(train_data, batch_size)

生成测试数据集

test_data = d2l.synthetic_data(true_w, true_b, n_test)

加载测试数据集，每次迭代取出 batch_size 个样本，但不进行训练

test_iter = d2l.load_array(test_data, batch_size, is_train=False)