我希望使用torch.optim.lr_scheduler()

好的，使用 `torch.optim.lr_scheduler` 可以很方便地实现学习率的调整。假设你已经定义了一个优化器 `optimizer` 和一个损失函数 `loss_fn`，那么可以按照以下步骤来设置学习率调度器：

1. 定义一个初始学习率

initial_lr = 0.01

2. 定义一个学习率调度器

scheduler = torch.optim.lr_scheduler.StepLR(optimizer, step_size=10, gamma=0.1)

其中，`step_size` 表示每隔多少个 epoch 调整一次学习率，`gamma` 表示学习率调整的倍数。

3. 在训练过程中，每次训练前都调用一下学习率调度器的 `step()` 函数来更新学习率。

for epoch in range(num_epochs):
    scheduler.step()
    for i, (inputs, targets) in enumerate(train_loader):
        outputs = model(inputs)
        loss = loss_fn(outputs, targets)
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()

这样，在每个 epoch 开始时都会根据规定的调整规则更新学习率。除了 `StepLR` 调度器之外，`torch.optim.lr_scheduler` 还提供了其他几种调度器，如 `ReduceLROnPlateau` 和 `CosineAnnealingLR`，可以根据具体需求进行选择。