torch.optim.lr_scheduler.MultiStepLR

`torch.optim.lr_scheduler.MultiStepLR` 是 PyTorch 中的一个学习率调度器。它允许在训练期间根据训练轮数（epoch）的预定义列表来调整学习率。

具体来说，`MultiStepLR` 对象的初始化函数需要传入以下参数：

- `optimizer`：需要进行学习率调整的优化器对象。
- `milestones`：一个列表，包含所有需要调整学习率的训练轮数（epoch）。
- `gamma`：一个衰减系数，用于调整学习率。默认为 0.1。

例如，以下代码创建了一个 `MultiStepLR` 对象，将学习率在第 30 轮和第 80 轮时分别降低 0.1 和 0.5 倍：

import torch.optim as optim
import torch.optim.lr_scheduler as lr_scheduler

optimizer = optim.SGD(model.parameters(), lr=0.1)
scheduler = lr_scheduler.MultiStepLR(optimizer, milestones=[30, 80], gamma=0.1)

在训练过程中，可以通过以下方式更新学习率：

for epoch in range(100):
    train(...)
    val(...)
    scheduler.step()

每次调用 `scheduler.step()` 时，如果当前的训练轮数等于 `milestones` 中的任何一个元素，就会将学习率乘以 `gamma`。例如，在上面的示例中，当 `epoch` 为 30 或 80 时，学习率都会乘以 0.1。