这题很傻逼，输出就得用他这optimizer.param_groups[0]['lr']，测试代码有检测，自己写的时候是用循环遍历字典，再输出lr键值，一直报错，后面看测试代码才发现检测机制是param_groups[0]['lr']，真捞。

自测能通过

改实验对输出格式有一定要求，写起来确实挺头疼尤其是没看清左侧要求。代码难度不大基本在左侧能找出答案，下面答案仅供参考。

定义参数LR = 0.01EPOCH = 10# 默认的 network 形式#隐藏层的激活函数#线性输出return x# 声明优化器opt_Momentum，传入对应的模型参数，lr 赋值为 LR，momentum为0.7# 声明优化器opt_RMSprop，传入对应的模型参数，lr 赋值为 LR，alpha为0.9# 声明优化器opt_Adam，传入对应的模型参数，lr 赋值为 LR，bet

【代码】头歌神经网络学习之前馈神经网络参考答案。

如果直接复制粘贴的话最好等下时间，别太短

nn.ReLU(),#定义卷积层Conv2d：输入16张特征图，输出32张特征图，卷积核5x5,padding为2#定义BatchNorm2d层，参数为32#定义非线性层ReLUnn.ReLU(),# 定义全连接层：线性连接(y = Wx + b)，7*7*32个节点连接到10个节点上# 输入out->layer2->更新到out#view函数将张量x变形成一维向量形式，总特征数不变，为全连接层做