Mindspore在构建域定义的优化器时，需要使用哪一层pythonAPI接口？

MindSpore 提供了一个名为 `mindspore.nn.Optimizer` 的高级 Python API 接口，用于构建和管理优化器。当你在构建一个域特定的优化器时，通常会通过继承这个基础类，并实现 `construct()` 函数，该函数负责定义具体的优化算法步骤。你可以自定义学习率策略、权重更新规则等部分。例如：

from mindspore import nn

class MyCustomOptimizer(nn.Optimizer):
    def __init__(self, parameters, learning_rate=0.001):
        super(MyCustomOptimizer, self).__init__(parameters, learning_rate)
        # 在这里添加你的域定义优化算法逻辑

    def construct(self, gradients):
        # 实现你的优化步骤，比如应用梯度下降或其他自定义技巧
        update = ...  # 根据gradients计算新的参数值
        return update

然后，在训练过程中，你需要实例化并传入所需的参数和梯度：

optimizer = MyCustomOptimizer(parameters)
grads = compute_gradients(loss, parameters)  # 计算梯度
params = optimizer(grads)  # 应用优化器