Sie erhalten einen Datensatz, der Informationen über die Anzahl der Stunden enthält, die Studenten gelernt haben, und ihre entsprechenden Testergebnisse. Ihre Aufgabe ist es, ein lineares Regressionsmodell auf diesen Daten zu trainieren.

1. Konvertieren Sie diese Spalten in PyTorch-Tensoren und formen Sie sie um, um sicherzustellen, dass sie 2D mit den Formen [N, 1] sind.
2. Definieren Sie ein einfaches lineares Regressionsmodell.
3. Verwenden Sie MSE als Verlustfunktion.
4. Definieren Sie optimizer als SGD mit der Lernrate gleich 0.01.
5. Trainieren Sie das lineare Regressionsmodell, um Testergebnisse basierend auf der Anzahl der gelernten Stunden vorherzusagen. In jedem Durchlauf:
   • Berechnen Sie Vorhersagen auf X_tensor;
   • Berechnen Sie den Verlust;
   • Setzen Sie den Gradienten zurück;
   • Führen Sie den Rückwärtsdurchlauf durch;
   • Aktualisieren Sie die Parameter.
6. Greifen Sie auf die Parameter des Modells (Gewichte und Bias) zu.