LinearLR

class torch.optim.lr_scheduler.LinearLR(optimizer, start_factor=0.3333333333333333, end_factor=1.0, total_iters=5, last_epoch=-1)

通过线性改变一个小的乘法因子来衰减每个参数组的学习率。

乘法运算会持续到 epoch 数达到预定义的里程碑：total_iters。请注意，这种衰减可以与此调度器外部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本身。

参数

• optimizer (Optimizer) – 包装的优化器。

• start_factor (float) – 在第一个 epoch 中乘以学习率的因子。乘法因子在后续 epoch 中向 end_factor 变化。默认值：1./3。

• end_factor (float) – 在线性变化过程结束时乘以学习率的因子。默认值：1.0。

• total_iters (int) – 乘法因子达到 end_factor 的迭代次数。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 = 0.03125  if epoch == 1
>>> # lr = 0.0375   if epoch == 2
>>> # lr = 0.04375  if epoch == 3
>>> # lr = 0.05    if epoch >= 4
>>> scheduler = LinearLR(optimizer, start_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。应为调用 state_dict() 的结果。

state_dict()

以 dict 形式返回调度器的状态。

它包含 self.__dict__ 中除了优化器之外的每个变量的条目。

step(epoch=None)

执行一步。