1 优化器
    optimizer = optim.Adam(model.parameters(), lr=LEARNING_RATE) ## 构造一个优化器
    scheduler = torch.optim.lr_scheduler.StepLR(optimizer, step_size=sch, gamma=0.1) ## 优化器更## 新
    ## class torch.optim.lr_scheduler.StepLR(optimizer, step_size, gamma=0.1, last_epoch=-1)
    # 更新策略：
    # 每过step_size个epoch，做一次更新：
    # new_lr = initial_lr×γepoch // step_size new_lr = initial_lr\times\gamma^{epoch // step_size}new_lr=initial_lr×γepoch//step_size
    # 其中new_lr new_lr new_lr是得到的新的学习率，initial_lr initial_lrinitial_lr是初始的 # 学习率，step_size step_size step_size是参数step_size，γ \gammaγ是参数gamma。
    # 参数：
    # optimizer （Optimizer）：要更改学习率的优化器；
    # step_size（int）：每训练step_size个epoch，更新一次参数；
    # gamma（float）：更新lr的乘法因子；
    # last_epoch （int）：最后一个epoch的index，如果是训练了很多个epoch后中断了，继续训 # 练，这个值就等于加载的模型的epoch。默认为-1
    # 表示从头开始训练，即从epoch = 1开始。