每天五分钟深度学习PyTorch：不同的神经网络层设置不同的学习率
本文重点
我们前面学习了基本网络模型的搭建，获取网络模型的子结构，以及优化器optim，我们发现我们设置优化器的时候，是对整个模型设置的，也就是说整个模型的参数学习率是一样，本节课程我们学习如何给不同的网络层设置不同的学习率。主要还是通过优化器optim来实现的，本文学习第6步(优化器)
网络模型的搭建
import torch
from torch import nn
from torch import optim
class Net(nn.Module):def __init__(self):super(Net,self).__init__()self.features=nn.Sequential(nn.Conv2d(3,6,5),nn.ReLU(True),nn.MaxPool2d(2,2),nn.Conv2d(6,16,5),nn.ReLU(),nn.MaxPool2d(2,2))self.classifier=nn.Sequential(nn.Linear(16*5*5,120),nn.ReLU(),nn.Linear(120,84),nn.ReLU(),nn.Linear(84,10))def forward(self,x):x=self.features(x)x=x.view(x.shape[0],-1)x=self.classifier(x)return xnet=Net()
optimizer=optim.SGD(params=