PolynomialLR

class torch.optim.lr_scheduler.PolynomialLR(optimizer, total_iters=5, power=1.0, last_epoch=-1)

在給定的 total_iters 內，使用多項式函式衰減每個引數組的學習率。

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。

• total_iters (int) – 排程器衰減學習率的步數。預設值：5。

• power (float) – 多項式的冪。預設值：1.0。

示例

>>> # Assuming optimizer uses lr = 0.001 for all groups
>>> # lr = 0.001     if epoch == 0
>>> # lr = 0.00075   if epoch == 1
>>> # lr = 0.00050   if epoch == 2
>>> # lr = 0.00025   if epoch == 3
>>> # lr = 0.0       if 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() 返回的物件。

state_dict()

以 dict 的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。

step(epoch=None)

執行一步。