从大神的代码中学习到了不少精髓在此进行总结

一个计算梯度的利器，是使用eager模式进行梯度计算的

这里使用watch将要计算梯度的变量加入了进来，实际上GradientTape默认监控trainable属性为True嘚变量
另外，默认情况下GradientTape的资源在调用gradient函数后就被释放再次调用就无法计算了。所以如果需要多次计算梯度需要开启persistent=True属性，例如：

設计一个模型实现线性回归

这里相当于记录了模型中的w和b然后在外部利用tap求偏导时，计算出dy/dw和dy/db每次将模型的参数利用梯度逼近，将模型的w和b趋近到设置的真实w和b中

逻辑回归实现mnist