GradientDescentTrainer 通过 pytorch 中的 optimizer.step() 函数来更新参数。对于每个batch，optimizer.step() 函数默认会进行一次更新操作。因此，GradientDescentTrainer 每个batch都会更新模型。

实例化一个 GradientDescentTrainer 对象并设置相关参数，然后调用 train() 函数就可以开始训练模型。下面是一个示例：

from allennlp.data import DataLoader
from allennlp.models import Model
from allennlp.training import GradientDescentTrainer

# 实例化一个Model对象
model = MyModel()

# 创建一个DataLoader对象
train_data_loader = DataLoader(train_dataset, batch_size=32, shuffle=True)

# 实例化一个Optimizer对象
optimizer = torch.optim.Adam(model.parameters())

# 实例化一个GradientDescentTrainer对象
trainer = GradientDescentTrainer(model=model,
                                 data_loader=train_data_loader,
                                 optimizer=optimizer)

# 开始训练模型
trainer.train()

在上述示例中，GradientDescentTrainer 对象的默认设置是每个batch都更新模型。如果需要调整更新的频率，可以通过设置 update_steps 参数来修改，例如：

# 设置update_steps为2，则每2个batch更新一次模型参数
trainer = GradientDescentTrainer(model=model,
                                 data_loader=train_data_loader,
                                 optimizer=optimizer,
                                 update_steps=2)

这样就会每两个batch更新一次模型参数。