快捷方式

ChainedScheduler

class torch.optim.lr_scheduler.ChainedScheduler(schedulers, optimizer=None)[原始碼][原始碼]

將一系列學習率排程器串聯起來。

接受一個可串聯的學習率排程器序列,並在一次 step() 呼叫中依次呼叫它們的 step() 函式。

引數
  • schedulers (sequence) – 串聯的排程器序列。

  • optimizer (Optimizer, optional) – 包裝的最佳化器。預設值:None。

示例

>>> # Assuming optimizer uses lr = 1. for all groups
>>> # lr = 0.09     if epoch == 0
>>> # lr = 0.081    if epoch == 1
>>> # lr = 0.729    if epoch == 2
>>> # lr = 0.6561   if epoch == 3
>>> # lr = 0.59049  if epoch >= 4
>>> scheduler1 = ConstantLR(optimizer, factor=0.1, total_iters=2)
>>> scheduler2 = ExponentialLR(optimizer, gamma=0.9)
>>> scheduler = ChainedScheduler([scheduler1, scheduler2], optimizer=optimizer)
>>> for epoch in range(100):
>>>     train(...)
>>>     validate(...)
>>>     scheduler.step()
get_last_lr()[原始碼]

返回當前排程器計算的最後一個學習率。

返回型別

list[float]

get_lr()[原始碼]

使用排程器的可串聯形式計算學習率。

返回型別

list[float]

load_state_dict(state_dict)[原始碼][原始碼]

載入排程器的狀態。

引數

state_dict (dict) – 排程器狀態。應為呼叫 state_dict() 返回的物件。

state_dict()[原始碼][原始碼]

以字典形式返回排程器的狀態。

它包含 self.__dict__ 中除最佳化器之外的每個變數的條目。包裝的排程器狀態也將被儲存。

step()[原始碼][原始碼]

執行一步。

文件

查閱 PyTorch 的全面開發者文件

檢視文件

教程

獲取面向初學者和高階開發者的深度教程

檢視教程

資源

查詢開發資源並獲得問題解答

檢視資源