當我們想指定每一層的學習率時：
optim.SGD([
{'params': model.base.parameters()},
{'params': model.classifier.parameters(), 'lr': 1e-3}
], lr=1e-2, momentum=0.9)
這意味著model.base的參數將會使用1e-2的學習率，model.classifier的參數將會使用1e-3的學習率，并且0.9的momentum將會被用于所有的參數。
進行單次優化
所有的optimizer都實現了step()方法，這個方法會更新所有的參數。它能按兩種方式來使用：
這是大多數optimizer所支持的簡化版本。一旦梯度被如backward()之類的函數計算好后，我們就可以調用這個函數。
例子
for input, target in dataset:
optimizer.zero_grad()
output = model(input)
loss = loss_fn(output, target)
loss.backward()
optimizer.step()
optimizer.step(closure)
一些優化算法例如Conjugate Gradient和LBFGS需要重復多次計算函數，因此你需要傳入一個閉包去允許它們重新計算你的模型。這個閉包應當清空梯度，計算損失，然后返回。
例子：
for input, target in dataset:
def closure():
optimizer.zero_grad()
output = model(input)
loss = loss_fn(output, target)
loss.backward()
return loss
optimizer.step(closure)
補充：Pytorch optimizer.step() 和loss.backward()和scheduler.step()的關系與區別
首先需要明確optimzier優化器的作用, 形象地來說，優化器就是需要根據網絡反向傳播的梯度信息來更新網絡的參數，以起到降低loss函數計算值的作用，這也是機器學習里面最一般的方法論。
從優化器的作用出發，要使得優化器能夠起作用，需要主要兩個東西：
1. 優化器需要知道當前的網絡或者別的什么模型的參數空間
這也就是為什么在訓練文件中，正式開始訓練之前需要將網絡的參數放到優化器里面，比如使用pytorch的話總會出現類似如下的代碼：
optimizer_G = Adam(model_G.parameters(), lr=train_c.lr_G) # lr 使用的是初始lr
optimizer_D = Adam(model_D.parameters(), lr=train_c.lr_D)
2. 需要知道反向傳播的梯度信息
我們還是從代碼入手，如下所示是Pytorch 中SGD優化算法的step()函數具體寫法，具體SGD的寫法放在參考部分。
def step(self, closure=None):
"""Performs a single optimization step.
Arguments:
closure (callable, optional): A closure that reevaluates the model
and returns the loss.
"""
loss = None
if closure is not None:
loss = closure()
for group in self.param_groups:
weight_decay = group['weight_decay']
momentum = group['momentum']
dampening = group['dampening']
nesterov = group['nesterov']
for p in group['params']:
if p.grad is None:
continue
d_p = p.grad.data
if weight_decay != 0:
d_p.add_(weight_decay, p.data)
if momentum != 0:
param_state = self.state[p]
if 'momentum_buffer' not in param_state:
buf = param_state['momentum_buffer'] = d_p.clone()
else:
buf = param_state['momentum_buffer']
buf.mul_(momentum).add_(1 - dampening, d_p)
if nesterov:
d_p = d_p.add(momentum, buf)
else:
d_p = buf
p.data.add_(-group['lr'], d_p)
return loss
從上面的代碼可以看到step這個函數使用的是參數空間(param_groups)中的grad,也就是當前參數空間對應的梯度，這也就解釋了為什么optimzier使用之前需要zero清零一下，因為如果不清零，那么使用的這個grad就得同上一個mini-batch有關，這不是我們需要的結果。
再回過頭來看，我們知道optimizer更新參數空間需要基于反向梯度，因此，當調用optimizer.step()的時候應當是loss.backward()的時候，這也就是經常會碰到，如下情況
total_loss.backward()
optimizer_G.step()
loss.backward()在前，然后跟一個step。
那么為什么optimizer.step()需要放在每一個batch訓練中，而不是epoch訓練中，這是因為現在的mini-batch訓練模式是假定每一個訓練集就只有mini-batch這樣大，因此實際上可以將每一次mini-batch看做是一次訓練，一次訓練更新一次參數空間，因而optimizer.step()放在這里。
scheduler.step()按照Pytorch的定義是用來更新優化器的學習率的，一般是按照epoch為單位進行更換，即多少個epoch后更換一次學習率，因而scheduler.step()放在epoch這個大循環下。
以上為個人經驗，希望能給大家一個參考，也希望大家多多支持腳本之家。
您可能感興趣的文章:- pytorch中Schedule與warmup_steps的用法說明
- Pytorch 中的optimizer使用說明
- PyTorch中model.zero_grad()和optimizer.zero_grad()用法
- PyTorch的Optimizer訓練工具的實現
