-lr预设就是告诉模型别学得太快太猛，像教小孩走路先扶着墙再慢慢放手。比如用0.1的学习率训练，模型每一步调整都小些，数据量大的情况效果更好。用户需注意不同模型和任务得调不同数值，比如ResNet-50在ImageNet上用0.1能跑过，但CIFAR-10可能得0.01才够稳。

为啥得这么设计呢？因为学习率太高了容易跑偏，像开车踩油门太猛容易翻车。论文里说ResNet-50用0.1时准确率比0.3高4.2%，但MNIST数据集用0.3反而更准。比如调不好0.05的话，CIFAR-10准确率会掉到72%以下，而0.01能拉到85%。所以得根据模型大小和任务难易程度来调，比如大模型用0.1，小模型用0.01。训练时每跑个epoch得检查下损失曲线，如果突然降得厉害可能得调低-lr参数。