Table of Contents
Shortcuts

多项式LR

class torch.optim.lr_scheduler.PolynomialLR(optimizer, total_iters=5, power=1.0, last_epoch=-1, verbose='deprecated')[源代码]

使用给定的 total_iters 中的多项式函数衰减每个参数组的学习率。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。

  • total_iters (int) – 调度器衰减学习率的步数。默认值：5。

  • power (float) – 多项式的幂。默认值：1.0。

  • 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 = 0.001
>>> # lr = 0.001     如果 epoch == 0
>>> # lr = 0.00075   如果 epoch == 1
>>> # lr = 0.00050   如果 epoch == 2
>>> # lr = 0.00025   如果 epoch == 3
>>> # lr = 0.0       如果 epoch >= 4
>>> scheduler = PolynomialLR(optimizer, total_iters=4, power=1.0)
>>> 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