pytorch adam 优化器如何增加l2正则化

在 PyTorch 中，可以通过在定义优化器时传入参数来实现 L2 正则化。具体来说，需要在定义 Adam 优化器时设置 weight_decay 参数，该参数控制了 L2 正则化的强度。例如：

import torch.optim as optim

optimizer = optim.Adam(model.parameters(), lr=0.001, weight_decay=0.001)

在上述代码中，weight_decay 参数被设置为 0.001，表示对模型的权重进行 L2 正则化，且正则化强度为 0.001。

需要注意的是，weight_decay 参数实际上是对优化器的权重衰减项进行设置，而不是直接对模型的权重进行修改。因此，如果需要对模型的权重进行 L2 正则化，还需要在损失函数中添加相应的正则化项。