def trainmodel train_x train_y optimizer criterion modeltrain modelzero_grad _probs = modeltrain_x loss = criterionprobs train_y _ pred = torchmaxprobs dim=1 labels = train_ytolist

model.train(): 设置模型为训练模式。
model.zero_grad(): 清空模型的梯度。
_,probs = model(train_x): 使用训练数据train_x输入模型得到预测结果probs。下划线_用于忽略第一个返回值。
loss = criterion(probs, train_y): 使用损失函数criterion计算预测结果probs与训练标签train_y之间的损失。
_, pred = torch.max(probs, dim=1): 在预测结果probs的第一维度上取最大值，并返回最大值和对应的索引pred。
labels = train_y.tolist(): 将训练标签train_y转换为Python列表格式。
predi = pred.tolist(): 将预测结果pred转换为Python列表格式。
loss.backward(): 反向传播计算梯度。
optimizer.step(): 使用优化器optimizer更新模型参数。
return labels, predi, loss.item(): 返回训练标签、预测结果和损失的值。