在PyTorch中，可以通过在模型的优化器中设置正则化参数来实现模型正则化。常见的正则化方法包括L1正则化和L2正则化。
以L2正则化为例，可以通过在优化器中设置weight_decay参数来实现正则化：
import torch
import torch.nn as nn
import torch.optim as optim
# 定义模型
class Model(nn.Module):
def __init__(self):
super(Model, self).__init__()
self.fc1 = nn.Linear(10, 5)
self.fc2 = nn.Linear(5, 1)
def forward(self, x):
x = torch.relu(self.fc1(x))
x = self.fc2(x)
return x
model = Model()
# 定义优化器，并设置weight_decay参数
optimizer = optim.SGD(model.parameters(), lr=0.01, weight_decay=0.001)
# 训练模型时，正常进行前向传播和反向传播
在上面的代码中，通过设置weight_decay参数为0.001，实现了对模型参数的L2正则化。您也可以根据需要调整weight_decay的值或者尝试其他正则化方法来实现模型正则化。
