pytorch实现设置不定长的epoch点集降低学习率

之前一直想过在调参时实现一下，比如训练300个epoch，在100个epoch降低学习率，然后在150个epoch又去降低学习率，现在实现的代码大多数是设定epoch的every数，就是说每隔多少个epoch，就将学习率降低0.1倍，我现在想借助于python中的队列结构实现，可以设定任意个降低学习率的epoch点数，对学习率进行decay操作。

from collections import deque
queue = deque([1,4,6])
lr=1e-1
for epoch in range(10):
    if len(queue)>=1:
        if epoch==queue[0]:
            lr*=0.1
            queue.popleft()
    '''training one epoch'''
    print(epoch,lr)
'''
0 0.1
1 0.010000000000000002
2 0.010000000000000002
3 0.010000000000000002
4 0.0010000000000000002
5 0.0010000000000000002
6 0.00010000000000000003
7 0.00010000000000000003
8 0.00010000000000000003
9 0.00010000000000000003
'''
    

for epoch in range(args.start_epoch, args.max_epochs + 1):
    # setting to train mode
    fasterRCNN.train()
    loss_temp = 0
    start = time.time()
    
    if len(decay_point)>=1:
      if epoch==decay_point[0]:
          adjust_learning_rate(optimizer, args.lr_decay_gamma)
          lr *= args.lr_decay_gamma  
          decay_point.popleft()

    #if epoch % (args.lr_decay_step + 1) == 0:   

    data_iter = iter(dataloader)