可以尝试以下代码： import torch import torch.optim as optim # 定义一个模型 model=torch.nn.Linear(10, 1) loss_fn=torch.nn.MSELoss(reduction='sum') # 生成一些随机数据 data=torch.randn(100, 10) targets=torch.randn(100, 1) # 定义SGD优化器，并设置学习率和动量参数 learning_rate=0.01 momentum=0.9 optimizer=optim.SGD(model.parameters(), lr=learning_rate, momentum=momentum) # 开始训练 for epoch in range(100): # 前向传播 y_pred=model(data) loss=loss_fn(y_pred, targets) # 反向传播 optimizer.zero_grad() loss.backward() # 更新参数 optimizer.step() # 打印训练进展 if epoch % 10==0: print('Epoch:', epoch, 'Loss:', loss.item()) 这段代码演示了如何在PyTorch中使用SGD优化器来训练一个简单的线性模型。关键的部分是optimizer的定义和后续的optimizer.step()，其中optimizer.zero_grad()用来清空梯度缓存，loss.backward()用来计算梯度，optimizer.step()用来更新参数。