ChainedScheduler

class torch.optim.lr_scheduler.ChainedScheduler(schedulers, optimizer=None)

链接学习率调度器列表。

接受一系列可链式调度的学习率调度器，并在一次 step() 调用中连续调用它们的 step() 函数。

参数

• schedulers (sequence) – 链式调度器序列。

• optimizer (Optimizer, optional) – 包装的优化器。默认值：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()

返回当前调度器计算的最后一个学习率。

返回类型

List[float]

get_lr()

使用调度器的链式形式计算学习率。

返回类型

List[float]

load_state_dict(state_dict)

加载调度器的状态。

参数

state_dict (dict) – 调度器状态。应为调用 state_dict() 返回的对象。

print_lr(is_verbose, group, lr, epoch=None)

显示当前学习率。

Deprecated since version 2.4: print_lr() is deprecated. Please use get_last_lr() to access the learning rate.

state_dict()

以 dict 形式返回调度器的状态。

它包含 self.__dict__ 中每个变量的条目，但优化器除外。包装的调度器状态也将被保存。

step()

执行一个 step。