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常数因子。

乘法操作在 epoch 数达到预定义的里程碑：total_iters 时进行。注意，此类小常数因子的乘法可以与来自此调度器外部的其他学习率更改同时发生。当 last_epoch=-1 时，将初始 lr 设置为 lr。

参数

• optimizer (Optimizer) – 封装的优化器。

• factor (float) – 到达里程碑之前，我们将学习率乘以的数字。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) – 上一个 epoch 的索引。默认值：-1。

• verbose (bool | str) –

  如果为 True，则为每次更新在标准输出中打印一条消息。默认值：False。

  自版本 2.2 起弃用：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。应为 state_dict() 调用的返回值。

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

显示当前学习率。

自版本 2.4 起弃用：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，这些条目不是优化器。

step(epoch=None)

执行一步操作。