这应该是您的模型使用的权重更新公式。

$W_{n+1} = W_n - \mu\nabla\epsilon[n]$,

$\mu$是学习率，我们将它乘以我们想要做的改变。显然，你的学习率越小，你所做的更新就越少，因此模型收敛的“时间越长”，模型记住其先前状态的时间也就越长。

像这样想，如果你将学习率设置为 0，你什么也学不到，你的参数也永远不会更新。