import torch.optim

`torch.optim`是PyTorch中用于优化算法的模块。它提供了各种优化器，如随机梯度下降（SGD）、Adam、Adagrad等，用于更新神经网络的参数以最小化损失函数。通过使用`torch.optim`模块，我们可以方便地在训练过程中调整学习率、设置动量、设置权重衰减等。

以下是一个使用`torch.optim`模块的例子：

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

# 定义模型
model = nn.Linear(10, 2)

# 定义优化器
optimizer = optim.SGD(model.parameters(), lr=0.01, momentum=0.9, weight_decay=1e-5)

# 在训练过程中使用优化器更新模型参数
for epoch in range(100):
    # 前向传播和计算损失
    loss = ...
    
    # 梯度清零
    optimizer.zero_grad()
    
    # 反向传播
    loss.backward()
    
    # 更新模型参数
    optimizer.step()

在上面的例子中，我们使用了`optim.SGD`优化器，它使用随机梯度下降算法来更新模型参数。`lr`参数表示学习率，`momentum`参数表示动量，`weight_decay`参数表示权重衰减。