MultiStepLR

class torch.optim.lr_scheduler.MultiStepLR(optimizer, milestones, gamma=0.1, last_epoch=-1, verbose='deprecated')

当epoch数达到某个里程碑时，每个参数组的学习率都会按gamma衰减。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。

• 里程碑 (列表) – 纪元索引列表。必须是递增的。

• gamma (float) – 学习率衰减的乘法因子。 默认值: 0.1。

• 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 = 0.05     如果 epoch < 30
>>> # lr = 0.005    如果 30 <= epoch < 80
>>> # lr = 0.0005   如果 epoch >= 80
>>> scheduler = MultiStepLR(optimizer, milestones=[30,80], gamma=0.1)
>>> 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。