训练Lasagne模型通常包括以下步骤：
1.准备数据集：首先，需要准备训练数据集和验证数据集。通常会将数据集划分为训练集和验证集，用于训练模型和评估模型性能。
2.构建模型：使用Lasagne库构建深度学习模型。可以选择不同的网络结构，如卷积神经网络（CNN）、循环神经网络（RNN）等，根据任务的需求选择合适的模型架构。
3.定义损失函数：选择合适的损失函数来衡量模型的性能。常用的损失函数包括交叉熵损失函数、均方误差损失函数等。
4.选择优化器：选择合适的优化器来更新模型参数，常用的优化器包括随机梯度下降（SGD）、Adam等。
5.训练模型：将数据输入到模型中进行训练，通过反向传播算法更新模型参数，使模型逐渐收敛到最优解。
6.评估模型性能：使用验证集对模型进行评估，评估模型在验证集上的性能表现，并根据评估结果对模型进行调优。
7.保存模型：在训练完成后，保存训练好的模型参数，以便后续使用。
这些是Lasagne模型训练的基本步骤，根据具体任务的需求和数据集的特点，可能需要进行一些调优和优化。