ConstantLR

class torch.optim.lr_scheduler.ConstantLR(optimizer, factor=0.3333333333333333, total_iters=5, last_epoch=-1)

将每个参数组的学习率乘以一个小的常数因子。

乘法操作持续进行，直到 epoch 数量达到预设的里程碑：total_iters。注意，这个小的常数因子的乘法可以与此调度器之外对学习率的其他更改同时发生。当 last_epoch=-1 时，将初始学习率设置为学习率。

参数

• optimizer (Optimizer) – 包装的优化器。

• factor (float) – 在达到里程碑之前用于乘以学习率的数值。默认值：1./3。

• total_iters (int) – 调度器将学习率乘以因子的步数。默认值：5。

• last_epoch (int) – 上一个 epoch 的索引。默认值：-1。

示例

>>> # Assuming optimizer uses lr = 0.05 for all groups
>>> # lr = 0.025   if epoch == 0
>>> # lr = 0.025   if epoch == 1
>>> # lr = 0.025   if epoch == 2
>>> # lr = 0.025   if epoch == 3
>>> # lr = 0.05    if epoch >= 4
>>> scheduler = ConstantLR(optimizer, factor=0.5, total_iters=4)
>>> 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()

计算每个参数组的学习率。

load_state_dict(state_dict)

加载调度器的状态。

参数

state_dict (dict) – 调度器状态。应该是调用 state_dict() 返回的对象。

state_dict()

将调度器的状态以 dict 形式返回。

它包含 self.__dict__ 中除优化器之外的所有变量的条目。

step(epoch=None)

执行一个步骤。