快捷方式

ChainedScheduler

class torch.optim.lr_scheduler.ChainedScheduler(schedulers, optimizer=None)[源代码][源代码]

将一系列学习率调度器串联起来。

接受一个可串联的学习率调度器序列,并在一次 step() 调用中依次调用它们的 step() 函数。

参数
  • schedulers (sequence) – 串联的调度器序列。

  • 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()[源代码]

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()[源代码]

使用调度器的可串联形式计算学习率。

返回类型

list[float]

load_state_dict(state_dict)[源代码][源代码]

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。

state_dict()[源代码][源代码]

以字典形式返回调度器的状态。

它包含 self.__dict__ 中除优化器之外的每个变量的条目。包装的调度器状态也将被保存。

step()[源代码][源代码]

执行一步。

文档

查阅 PyTorch 的全面开发者文档

查看文档

教程

获取面向初学者和高级开发者的深度教程

查看教程

资源

查找开发资源并获得问题解答

查看资源