PyTorch 模型训练循环代码解析

这段代码是一个训练 PyTorch 模型的循环。

首先，使用 'model.train()' 方法将模型置于训练模式。

然后，从训练数据集 ('train_loader') 中循环取出一批数据 ('imgs' 和 'labels')，将其移动到指定的设备 ('device') 上。

接着，将这批图片输入模型，得到预测值 ('predict')。

然后，使用定义好的损失函数 ('criterion') 计算预测值和标签之间的差距 ('loss')。

接下来，使用优化器 ('optimizer') 将损失反向传播回模型，以更新模型的参数。

最后，循环进入下一轮，直到所有训练数据都被用于训练。