torch.optim.SGD()

torch.optim.sgd 是 PyTorch 中的一个优化器类，用于实现随机梯度下降（Stochastic Gradient Descent，SGD）算法。SGD 是一种常用的优化算法，用于训练神经网络。 在 PyTorch 中，可以通过以下方式使用 SGD 优化器： ```python import torch import torch.optim as optim # 定义模型和损失函数 model=... criterion=... # 定义优化器 optimizer=optim.SGD(model.parameters(), lr=learning_rate, momentum=momentum) # 在训练循环中使用优化器 for inputs, labels in dataloader: # 前向传播 outputs=model(inputs) loss=criterion(outputs, labels) # 反向传播和优化 optimizer.zero_grad() loss.backward() optimizer.step() ``` 其中，model.parameters() 返回需要优化的参数列表，lr 是学习率，momentum 是动量参数（可选）。 通过调用 optimizer.zero_grad() 将梯度归零，再调用 loss.backward() 进行反向传播，最后调用 optimizer.step() 来更新模型的参数。 这样，使用 torch.optim.sgd 优化器可以对模型进行随机梯度下降算法的优化。