PyTorch：如何在任何给定时刻更改优化器的学习率（无 LR 计划）

所以学习率存储在optim.param_groups[i]['lr']中。 optim.param_groups 是可以具有不同学习率的不同权重组的列表。因此，只需执行以下操作：

for g in optim.param_groups:
    g['lr'] = 0.001

会成功的。

或者，

正如评论中提到的，如果您的学习率仅取决于纪元数，您可以使用 learning rate scheduler。

例如（来自文档的修改示例）：

torch.optim.lr_scheduler import LambdaLR
optimizer = torch.optim.SGD(model.parameters(), lr=0.1, momentum=0.9)
# Assuming optimizer has two groups.
lambda_group1 = lambda epoch: epoch // 30
lambda_group2 = lambda epoch: 0.95 ** epoch
scheduler = LambdaLR(optimizer, lr_lambda=[lambda1, lambda2])
for epoch in range(100):
    train(...)
    validate(...)
    scheduler.step()

另外，还有一个prebuilt learning rate scheduler to reduce on plateaus.

---

除了 patapouf_ai's answer 中的循环，您可以通过以下方式直接执行此操作：

optim.param_groups[0]['lr'] = 0.001

---