torch.optim.lr_scheduler.MultiStepLR(optimizer, milestones, gamma=0.1, last_epoch=-1, verbose=False)

`torch.optim.lr_scheduler.MultiStepLR` 是 PyTorch 中的一个学习率调度器，它按照给定的一系列里程碑(milestones)调整优化器的学习率。这个调度器的主要作用是在训练过程中定期将学习率降低，通常用于深度学习模型，以防止过拟合并帮助模型收敛。

参数说明如下：
- `optimizer`: 需要调整其学习率的优化器实例。
- `milestones`: 一个整数列表，表示每个特定训练步数后应该降低学习率的时间点。
- `gamma` (默认值为 0.1): 学习率下降的比例因子。每次到达milestones中的一个，学习率会乘以这个因子。
- `last_epoch` (默认值为 -1): 上一次迭代的实际轮数，如果提供了一个具体的值，调度器会在下次调用`step()`时从这个轮数开始。
- `verbose` (默认值为 False): 如果设置为 True，学习率更新时会打印日志信息。

使用此调度器的例子：

scheduler = MultiStepLR(optimizer, milestones=[30, 60, 90], gamma=0.1)
for epoch in range(num_epochs):
    train(...)
    validate(...)
    scheduler.step()  # 在每个epoch结束时调整学习率