需要注意的是，在使用Optimizer时， 传递的参数需要有序，并且保持一致， 对于无序的集合或者字典， 在运行时候可能会导致优化器在不同的运行中表现不一致（这块说的比较官方，但pytorch的源码解释部分是这么说的）。我也对网上的实验例子进行了测试，感觉就是将参数放在了优化器里面，然后在模型后续训练过程中就可以进行模型参数的训练更新了，但是因为是测试，优化器里的params显然没有更新，所以只是将参数放进优化器，放置优化器的前后实际是一样的。当需要更细粒度的调参，即针对网络的某层进行学习率的调整，那么。