自适应学习率的示例可以给我一个吗？

当然，这是一个常见的示例，可以使用Python中的PyTorch库来实现。下面是一个使用Adam优化器和自适应学习率的示例代码：

import torch
import torch.nn as nn
import torch.optim as optim

# 定义一个简单的线性模型
class LinearModel(nn.Module):
    def __init__(self):
        super(LinearModel, self).__init__()
        self.linear = nn.Linear(1, 1)

    def forward(self, x):
        return self.linear(x)

# 定义需要训练的数据
x_train = torch.tensor([[1.0], [2.0], [3.0], [4.0]])
y_train = torch.tensor([[2.0], [4.0], [6.0], [8.0]])

# 实例化模型和优化器
model = LinearModel()
optimizer = optim.Adam(model.parameters(), lr=0.1)

# 训练模型
for epoch in range(1000):
    optimizer.zero_grad()
    y_pred = model(x_train)
    loss = nn.functional.mse_loss(y_pred, y_train)
    loss.backward()
    optimizer.step()

    # 动态调整学习率
    lr = 0.1 / (1 + 0.01 * epoch)
    for param_group in optimizer.param_groups:
        param_group['lr'] = lr

# 测试模型
x_test = torch.tensor([[5.0], [6.0], [7.0], [8.0]])
y_test = model(x_test)
print(y_test)

上述代码中，我们定义了一个简单的线性模型，并使用Adam优化器进行训练。在每次迭代之前，动态调整学习率，以使模型的学习更加稳健。