ConstantLR

class torch.optim.lr_scheduler.ConstantLR(optimizer, factor=0.3333333333333333, total_iters=5, last_epoch=-1)

將每個引數組的學習率乘以一個小的常數因子。

乘法操作持續進行，直到 epoch 數量達到預設的里程碑：total_iters。注意，這個小的常數因子的乘法可以與此排程器之外對學習率的其他更改同時發生。當 last_epoch=-1 時，將初始學習率設定為學習率。

引數

• optimizer (Optimizer) – 包裝的最佳化器。

• factor (float) – 在達到里程碑之前用於乘以學習率的數值。預設值：1./3。

• total_iters (int) – 排程器將學習率乘以因子的步數。預設值：5。

• last_epoch (int) – 上一個 epoch 的索引。預設值：-1。

示例

>>> # Assuming optimizer uses lr = 0.05 for all groups
>>> # lr = 0.025   if epoch == 0
>>> # lr = 0.025   if epoch == 1
>>> # lr = 0.025   if epoch == 2
>>> # lr = 0.025   if epoch == 3
>>> # lr = 0.05    if epoch >= 4
>>> scheduler = ConstantLR(optimizer, factor=0.5, total_iters=4)
>>> for epoch in range(100):
>>>     train(...)
>>>     validate(...)
>>>     scheduler.step()

get_last_lr()

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()

計算每個引數組的學習率。

load_state_dict(state_dict)

載入排程器的狀態。

引數

state_dict (dict) – 排程器狀態。應該是呼叫 state_dict() 返回的物件。

state_dict()

將排程器的狀態以 dict 形式返回。

它包含 self.__dict__ 中除最佳化器之外的所有變數的條目。

step(epoch=None)

執行一個步驟。