为训练循环添加额外功能

主要章节使用了一个相对简单的训练函数，以保持代码的可读性，并使第 5 章符合页数限制。我们还可以添加线性预热、余弦衰减计划和梯度裁剪，以提高训练稳定性和收敛性。