paddle中如何显示train

在使用PaddlePaddle进行训练时，你可以通过设置 `log_interval` 参数来控制训练过程中每隔多少个batch打印一次训练日志。例如：

import paddle

# 定义一个简单的网络
class MyNet(paddle.nn.Layer):
    def __init__(self):
        super(MyNet, self).__init__()
        self.fc = paddle.nn.Linear(10, 1)
    
    def forward(self, x):
        x = self.fc(x)
        return x

# 准备数据
train_data = paddle.dataset.uci_housing.train()
train_reader = paddle.batch(train_data, batch_size=16)

# 创建网络和优化器
net = MyNet()
opt = paddle.optimizer.SGD(learning_rate=0.001, parameters=net.parameters())

# 训练过程
for epoch in range(10):
    for batch_id, data in enumerate(train_reader()):
        x = paddle.to_tensor([d[0] for d in data])
        y = paddle.to_tensor([d[1] for d in data])
        
        # 前向计算和损失函数
        pred = net(x)
        loss = paddle.nn.functional.mse_loss(pred, y)
        
        # 反向传播和优化器更新
        loss.backward()
        opt.step()
        opt.clear_grad()
        
        # 打印训练日志
        if batch_id % 100 == 0:
            print('epoch {}, batch {}, loss {}'.format(epoch, batch_id, loss.numpy()))

在上面的代码中，我们设置了 `log_interval` 为100，也就是每训练100个batch就会打印一次训练日志，包括当前的epoch数、batch数和损失函数值。你可以根据需要调整 `log_interval` 的值。