ConstantLR

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

将每个参数组的学习率乘以一个小的常数因子。

乘法运算会一直进行，直到 epoch 数达到预定义的里程碑：total_iters。请注意，这种小常数因子的乘法运算可以与其他来自此调度器外部的学习率更改同时发生。当 last_epoch=-1 时，将初始学习率设置为 lr。

参数

• optimizer (Optimizer) – 包装的优化器。

• factor (float) – 我们将学习率乘以里程碑的数字。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) – 最后一个 epoch 的索引。默认值：-1。

• verbose (bool | str) –

  如果 True，则为每次更新向 stdout 打印一条消息。默认值：False。

  Deprecated since version 2.2: verbose 已弃用。请使用 get_last_lr() 访问学习率。

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。应该是从调用 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() 已弃用。请使用 get_last_lr() 访问学习率。

state_dict()

将调度器的状态作为 dict 返回。

它包含 self.__dict__ 中每个变量的条目，该变量不是优化器。

step(epoch=None)

执行一步。