MultiStepLR

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

一旦 epoch 數達到其中一個里程碑 (milestone)，就將每個引數組的學習率乘以 gamma 進行衰減。

注意，這種衰減可能與來自此排程器外部的學習率變化同時發生。當 last_epoch=-1 時，將初始學習率設定為 lr。

引數

• optimizer (Optimizer) – 包裝的最佳化器。

• milestones (list) – epoch 索引的列表。必須是遞增的。

• gamma (float) – 學習率衰減的乘法因子。預設值：0.1。

• last_epoch (int) – 最後一個 epoch 的索引。預設值：-1。

示例

>>> # Assuming optimizer uses lr = 0.05 for all groups
>>> # lr = 0.05     if epoch < 30
>>> # lr = 0.005    if 30 <= epoch < 80
>>> # lr = 0.0005   if epoch >= 80
>>> scheduler = MultiStepLR(optimizer, milestones=[30,80], gamma=0.1)
>>> for epoch in range(100):
>>>     train(...)
>>>     validate(...)
>>>     scheduler.step()

get_last_lr()

返回當前排程器計算出的最後一個學習率。

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。應為呼叫 state_dict() 返回的物件。

state_dict()

將排程器狀態作為 dict 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)

執行一步（step）。