就刚才自动调整步长的功能，可以详细教我一下怎么设置吗？最好带图片

当然可以。关于自动调整步长的功能，首先需要找到代码中的学习率调度器（learning rate scheduler）模块。我的ChitGPT选择了PyTorch中的ReduceLROnPlateau scheduler。

以下是几个重要的参数：

scheduler = ReduceLROnPlateau(optimizer, mode='min', factor=0.5, patience=5, verbose=True, min_lr=0.000001)

- `optimizer`: 需要更新的优化器对象
- `mode`: 要监测的指标，可以是`min`，`max`或`auto`，默认`'auto'`
- `factor`: 指定学习率将被减少的因数。学习率将被减少为：`new_lr = lr * factor`
- `patience`: 指定学习率不变化的次数（经过多少次epoch），之后学习率将被减少
- `verbose`: 如果为True，则输出学习率的更新信息
- `min_lr`: 学习率下限

下面是设置学习率调度器的代码示例（使用了PyTorch Lightning框架）：

from pytorch_lightning.callbacks import EarlyStopping, LearningRateMonitor

# 设置LR scheduler
lr_scheduler = ReduceLROnPlateau(optimizer=self._optimizer, mode='min', factor=0.5, patience=5, verbose=True, min_lr=0.000001)
lr_monitor = LearningRateMonitor(logging_interval='step')
early_stopping_cb = EarlyStopping(monitor='val_loss', mode='min', patience=10)

# trainer设置callbacks
trainer = pl.Trainer(gpus=self._gpus, max_epochs=self._max_epochs, progress_bar_refresh_rate=self._progress_bar_refresh_rate, callbacks=[lr_scheduler, lr_monitor, early_stopping_cb])

在上面的示例代码中，我们为PyTorch Lightning框架的Trainer对象添加了三个callbacks：

- `lr_scheduler`
- `lr_monitor`
- `early_stopping_cb`

这里着重介绍`lr_scheduler`对象。ReduceLRonPlateau对象是Pytorch中自带的一个学习率调整函数，用于在验证集的指标不再提升时减少学习率。当然，如果没有使用验证集（或者只在训练时使用了简单的loss），则无法使用此调度器。

最后，以下是示例代码截图：