torch中怎么更新学习率

在 PyTorch 中，可以使用 `torch.optim` 模块中的优化器来更新学习率。具体来说，可以通过以下步骤来更新学习率：

1. 定义优化器并初始化学习率：

   import torch.optim as optim
   
   optimizer = optim.SGD(model.parameters(), lr=0.01)

2. 在训练过程中，可以通过 `optimizer.param_groups` 属性来访问当前优化器的参数组，其中包括学习率等参数。例如，可以通过以下代码获取当前学习率：

   lr = optimizer.param_groups[0]['lr']

3. 调用 `optimizer.step()` 方法来更新模型参数。在每次更新时，优化器会根据当前的学习率和梯度信息来计算新的参数值：

   optimizer.zero_grad()
   loss.backward()
   optimizer.step()

4. 可以通过 `optimizer.param_groups[0]['lr']` 来更新学习率，例如：

   optimizer.param_groups[0]['lr'] = 0.001

这将把当前的学习率更新为 0.001。

需要注意的是，更新学习率时应该在每个 epoch 或一定的 batch 数后进行，而不是在每个 iteration 内更新，否则可能会导致训练不稳定。