给出一段python代码来教我如何使用pytorch的SGD优化器

可以尝试以下代码：

import torch
import torch.optim as optim

# 定义一个模型
model = torch.nn.Linear(10, 1)
loss_fn = torch.nn.MSELoss(reduction='sum')

# 生成一些随机数据
data = torch.randn(100, 10)
targets = torch.randn(100, 1)

# 定义SGD优化器，并设置学习率和动量参数
learning_rate = 0.01
momentum = 0.9
optimizer = optim.SGD(model.parameters(), lr=learning_rate, momentum=momentum)

# 开始训练
for epoch in range(100):
# 前向传播
y_pred = model(data)
loss = loss_fn(y_pred, targets)

# 反向传播
optimizer.zero_grad()
loss.backward()

# 更新参数
optimizer.step()

# 打印训练进展
if epoch % 10 == 0:
print('Epoch:', epoch, 'Loss:', loss.item())

这段代码演示了如何在PyTorch中使用SGD优化器来训练一个简单的线性模型。关键的部分是optimizer的定义和后续的optimizer.step()，其中optimizer.zero_grad()用来清空梯度缓存，loss.backward()用来计算梯度，optimizer.step()用来更新参数。