在 PyTorch 中，可以通过访问优化器对象（optimizer object）来查看当前的学习率。优化器对象通常在训练循环中使用，用于更新模型参数。以下是一个查看当前学习率的示例代码： ```python import torch.optim as optim # 定义一个模型和一个优化器 model=MyModel() optimizer=optim.Adam(model.parameters(), lr=0.001) # 查看当前学习率 print(optimizer.param_groups[0]['lr']) ``` 在上面的示例代码中，`optimizer.param_groups` 是一个列表，其中的每个元素都代表一个参数组，包含了该参数组对应的学习率等信息。由于我们只有一个参数组，因此我们可以通过访问 `optimizer.param_groups[0]` 来获取该参数组的信息，然后通过 `'lr'` 键来获取当前的学习率。 要调整模型训练的学习率，可以通过修改优化器对象中的学习率来实现。以下是一个调整学习率的示例代码： ```python import torch.optim as optim # 定义一个模型和一个优化器 model=MyModel() optimizer=optim.Adam(model.parameters(), lr=0.001) # 调整学习率 new_lr=0.0001 for param_group in optimizer.param_groups: param_group['lr']=new_lr ``` 在上面的示例代码中，我们首先定义了一个模型和一个优化器，并将学习率设置为 0.001。然后，我们通过遍历优化器对象中的参数组，并修改 `'lr'` 键来将学习率调整为 0.0001。需要注意的是，由于优化器对象中可能包含多个参数组，因此我们需要遍历所有的参数组才能将学习率调整到我们希望的值。