LinearLR

class torch.optim.lr_scheduler.LinearLR(optimizer, start_factor=0.3333333333333333, end_factor=1.0, total_iters=5, last_epoch=-1)

透過線性改變一個小的乘法因子來衰減每個引數組的學習率。

乘法運算會持續到 epoch 數達到預定義的里程碑：total_iters。請注意，這種衰減可以與此排程器外部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本身。

引數

• optimizer (Optimizer) – 包裝的最佳化器。

• start_factor (float) – 在第一個 epoch 中乘以學習率的因子。乘法因子在後續 epoch 中向 end_factor 變化。預設值：1./3。

• end_factor (float) – 線上性變化過程結束時乘以學習率的因子。預設值：1.0。

• total_iters (int) – 乘法因子達到 end_factor 的迭代次數。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 = 0.03125  if epoch == 1
>>> # lr = 0.0375   if epoch == 2
>>> # lr = 0.04375  if epoch == 3
>>> # lr = 0.05    if 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。應為呼叫 state_dict() 的結果。

state_dict()

以 dict 形式返回排程器的狀態。

它包含 self.__dict__ 中除了最佳化器之外的每個變數的條目。

step(epoch=None)

執行一步。