adam优化器参数设置lr

Adam优化器的学习率参数lr用于控制每次参数更新的步长大小，是优化器中最重要的参数之一。在使用Adam优化器时，可以通过修改lr的值来调整模型的训练效果。通常情况下，lr的值越小，模型的训练越稳定，但是训练速度会变慢；反之，lr的值越大，模型的训练速度越快，但是训练过程可能会不稳定，甚至出现震荡现象。因此，需要根据具体的模型和数据集来选择合适的lr值。

下面是一个使用Adam优化器的例子，其中将lr设置为0.001：

import torch
import torch.optim as optim

# 定义模型和损失函数
model = ...
criterion = ...

# 定义优化器
optimizer = optim.Adam(model.parameters(), lr=0.001)

# 训练模型
for epoch in range(num_epochs):
    for data in dataloader:
        inputs, labels = data
        optimizer.zero_grad()
        outputs = model(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()