Table of Contents
Shortcuts

LinearLR

class torch.optim.lr_scheduler.LinearLR(optimizer, start_factor=0.3333333333333333, end_factor=1.0, total_iters=5, last_epoch=-1, verbose='deprecated')[源代码]

通过线性改变小的乘法因子，逐渐降低每个参数组的学习率，直到达到预定义的里程碑：total_iters。请注意，这种衰减可以与此调度器外部的学习率的其他变化同时发生。当 last_epoch=-1 时，将初始学习率设置为 lr。

Parameters

  • 优化器 (优化器) – 包装的优化器。

  • start_factor (float) – 我们在第一个epoch中乘以学习率的数值。 乘法因子在后续的epoch中向end_factor变化。 默认值：1./3。

  • end_factor (float) – 在线性变化过程结束时，我们乘以学习率的数值。默认值：1.0。

  • total_iters (int) – 乘法因子达到1的迭代次数。 默认值：5。

  • last_epoch (int) – 最后一个epoch的索引。默认值: -1。

  • verbose (bool) –

    如果 True，则向标准输出打印每条更新消息。默认值：False。

    自版本 2.2 起已弃用：verbose 已被弃用。请使用 get_last_lr() 来访问学习率。

示例

>>> # 假设优化器对所有组使用 lr = 0.05
>>> # lr = 0.025    如果 epoch == 0
>>> # lr = 0.03125  如果 epoch == 1
>>> # lr = 0.0375   如果 epoch == 2
>>> # lr = 0.04375  如果 epoch == 3
>>> # lr = 0.05     如果 epoch >= 4
>>> scheduler = LinearLR(optimizer, start_factor=0.5, total_iters=4)
>>> for epoch in range(100):
>>>     train(...)
>>>     validate(...)
>>>     scheduler.step()
get_last_lr()

返回当前调度器计算的最后一个学习率。

load_state_dict(state_dict)

加载调度器的状态。

Parameters

state_dict (字典) – 调度器状态。应该是从调用 state_dict() 返回的对象。

print_lr(is_verbose, group, lr, epoch=None)

显示当前的学习率。

state_dict()

返回调度器的状态为一个字典。

它包含 self.__dict__ 中每个变量的条目，但不包括优化器。

优云智算