pytorch中使用Adam优化器,画出损失随学习率变化的折线图，代码演示

好的，关于您的问题，以下是代码演示：

import matplotlib.pyplot as plt
import torch
import torch.nn as nn
import torch.optim as optim

# 定义模型
class Model(nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        self.fc1 = nn.Linear(10, 5)
        self.fc2 = nn.Linear(5, 2)
        self.relu = nn.ReLU()
    
    def forward(self, x):
        x = self.fc1(x)
        x = self.relu(x)
        x = self.fc2(x)
        return x

# 初始化模型和数据
model = Model()
criterion = nn.CrossEntropyLoss()

x = torch.randn(100, 10)
y = torch.LongTensor(100).random_(2)

# 定义学习率列表
learning_rates = [0.001, 0.003, 0.005, 0.01, 0.03, 0.05, 0.1, 0.3, 0.5, 1]

# 定义损失记录器
losses = []

# 循环训练不同的学习率
for lr in learning_rates:
    optimizer = optim.Adam(model.parameters(), lr=lr)  # 定义优化器
    for i in range(100):  # 进行100轮训练
        optimizer.zero_grad()
        output = model(x)
        loss = criterion(output, y)
        loss.backward()
        optimizer.step()
    
    losses.append(loss.item())  # 记录最后一次的损失值

# 绘制损失随学习率变化的折线图
plt.plot(learning_rates, losses)
plt.title('Loss vs Learning Rates')
plt.xlabel('Learning Rates')
plt.ylabel('Loss')
plt.show()

以上代码中，我们通过定义不同的学习率，在100轮训练后记录损失值，最后绘制出损失随学习率变化的折线图，以观察在不同学习率下模型训练情况。

希望这个代码演示能够满足您的需求，有任何疑问和问题欢迎再次咨询。