pytorch中adam使用yogi

PyTorch 中的 Adam 优化器是一个经典的优化算法，它在梯度下降的基础上结合了动量和自适应学习率等技术，能够在训练神经网络时有效地提高收敛速度和准确率。

而 Yogi 是一种优化器算法，它是在 Adam 算法的基础上进行改进的。相比于 Adam，Yogi 算法引入了一些新的技术，例如梯度剪裁和自适应的学习率调整策略，能够在一定程度上提高模型的性能和鲁棒性。

在 PyTorch 中，使用 Yogi 优化器需要先安装相关的库，例如自适应优化库 `adamp`，然后可以通过 `optim.AdamP` 类来创建一个 Yogi 优化器对象，使用方式与 Adam 优化器类似。例如：

import torch.optim as optim
from adamp import AdamP

optimizer = AdamP(model.parameters(), lr=0.001, betas=(0.9, 0.999), weight_decay=1e-2)