在PyTorch中为不同参数设置不同的学习率

在深度学习中，优化器（optimizer）是训练神经网络时不可或缺的组件之一。PyTorch提供了许多不同的优化器，如SGD、Adam和RMSprop等。然而，有时候我们希望为不同的模型参数设置不同的学习率，以便更好地优化模型。在本文中，我将介绍如何使用PyTorch为不同的参数设置不同的学习率。

首先，我们需要定义一个模型。在这个示例中，我们将使用一个简单的线性回归模型作为示范。

import torch
import torch.nn as nn

# 定义一个简单的线性回归模型
class LinearRegression(nn.Module):
    def