给我一个使用pytorch使用的ReduceLROnPlateau案例

在PyTorch中，`ReduceLROnPlateau`是一个学习率调整策略，通常用于回调中，它会根据验证集上的性能自动降低学习率。当验证指标不再改善一段时间后，学习率会被减少。这里有一个简单的例子：

import torch
from torch.optim import Adam
from torch.optim.lr_scheduler import ReduceLROnPlateau

# 假设我们有一个模型model，一个数据加载器train_loader和val_loader，以及一个损失函数criterion
model = MyModel()
optimizer = Adam(model.parameters(), lr=0.001)
scheduler = ReduceLROnPlateau(optimizer, 'min', factor=0.1, patience=5, verbose=True)

# 模型训练循环
for epoch in range(num_epochs):
    for inputs, targets in train_loader:
        optimizer.zero_grad()
        outputs = model(inputs)
        loss = criterion(outputs, targets)
        loss.backward()
        optimizer.step()

    # 在每个epoch结束时计算验证集上的性能
    with torch.no_grad():
        val_loss = calculate_val_loss(model, val_loader)
        
    # 使用scheduler更新学习率
    scheduler.step(val_loss)