Pytorch优化器：管理并更新模型中可学习参数的值，使得模型输出更接近真实标签；管理是指优化器管理和修改参数，更新是指优化器的优化策略。优化策略通常采用梯度下降，梯度是一个向量，梯度的方向是使得方向导数最大。

优化器基本属性：

• defaults：优化器超参数；
• state：参数的缓存，如momentum参数；
• param_groups：管理的参数组；
• _step_count：记录更新次数，学习率调整中使用；

• zero_grad()：清空所管理参数的梯度；（Pytorch特性：梯度张量不自动清零）；

• step()：执行一步更新；

• add_param_group()：添加参数组；

• state_dict()：获取优化器当前状态信息字典；
• load_state_dict()：加载状态信息字典；

现在先看代码中优化器的建立过程：

进入源码分析这段代码的内容，通过步进，程序进入以下阶段：

将光标移动到上述代码中的最后一行代码：

通过步进，程序进入以下阶段：

上述代码中有第三部分介绍的优化器的基本属性，通过以上步骤就构建了一个优化器；构建优化器之后，人民币二分类代码中会使用到该优化器的相关功能：

以上就是优化器的基本使用；