快捷方式

余弦退火学习率

class torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max, eta_min=0.0, last_epoch=-1, verbose='deprecated')[source]

使用余弦退火调度设置每个参数组的学习率。

ηmax\eta_{max} 设置为初始学习率,而 TcurT_{cur} 是 SGDR 中自上次重启以来经过的 epoch 数。

ηt=ηmin+12(ηmaxηmin)(1+cos(TcurTmaxπ)),Tcur(2k+1)Tmax;ηt+1=ηt+12(ηmaxηmin)(1cos(1Tmaxπ)),Tcur=(2k+1)Tmax.\begin{aligned} \eta_t & = \eta_{min} + \frac{1}{2}(\eta_{max} - \eta_{min})\left(1 + \cos\left(\frac{T_{cur}}{T_{max}}\pi\right)\right), & T_{cur} \neq (2k+1)T_{max}; \\ \eta_{t+1} & = \eta_{t} + \frac{1}{2}(\eta_{max} - \eta_{min}) \left(1 - \cos\left(\frac{1}{T_{max}}\pi\right)\right), & T_{cur} = (2k+1)T_{max}. \end{aligned}

当 last_epoch=-1 时,将初始学习率设置为 lr。请注意,由于调度是递归定义的,因此学习率可以由其他运算符在此调度程序外部同时修改。如果学习率仅由此调度程序设置,则每个步骤的学习率变为

ηt=ηmin+12(ηmaxηmin)(1+cos(TcurTmaxπ))\eta_t = \eta_{min} + \frac{1}{2}(\eta_{max} - \eta_{min})\left(1 + \cos\left(\frac{T_{cur}}{T_{max}}\pi\right)\right)

该公式在SGDR: Stochastic Gradient Descent with Warm Restarts中提出。请注意,这仅实现了SGDR的余弦退火部分,而不是重启部分。

参数
  • optimizer (优化器) – 被包装的优化器。

  • T_max (整数) – 最大迭代次数。

  • eta_min (浮点数) – 最小学习率。默认值:0。

  • last_epoch (整数) – 上一轮的索引。默认值:-1。

  • verbose (布尔值字符串) –

    如果为True,则为每次更新打印一条消息到标准输出。默认值:False

    自版本 2.2 起已弃用: verbose 已弃用。请使用 get_last_lr() 来访问学习率。

get_last_lr()

返回当前调度器最后计算的学习率。

返回类型

列表[浮点数]

get_lr()[source]

检索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 (字典) – 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 起已弃用: print_lr() 已弃用。请使用 get_last_lr() 来访问学习率。

state_dict()

dict 的形式返回调度器的状态。

它包含 self.__dict__ 中每个变量的条目,这些变量不是优化器。

step(epoch=None)

执行一步。

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源