前两期准备好了数据和 batch
这一期，第一次让模型真正学东西
训练循环就四步，反复做：
1. 前向：把 x 喂进去，得到预测
2. 算 loss：预测和 y 差多远
3. 反向传播：算每个参数该往哪调
4. 更新：用 AdamW 调一小步
我把模型缩到 30.5M 参数，
在 M1 上训练 500 步，用时 289 秒。
step 0，还没训练：
loss = 10.99
接近在 5 万个词里瞎猜（理论值 10.82）
输入 the cat is，输出一串乱码
step 500：
验证集 loss = 5.03
同样的输入，输出变成：
the cat is the king, And I have been，And I have been
And, and the king
它学到了莎士比亚剧本的格式：
换行、逗号、king
但意思还不通顺，而且在重复
继续研究下，一步步学习
说实话，这个大模型训练挺无聊
有点像搞测试的感觉
只能通过结果来反馈效果如何
而不是像写代码做项目那种知根知底