MultiStepLR

class torch.optim.lr_scheduler.MultiStepLR(optimizer, milestones, gamma=0.1, last_epoch=-1, verbose='deprecated')

当 epoch 数达到里程碑之一时，将每个参数组的学习率衰减 gamma 倍。

请注意，这种衰减可能与来自此调度程序外部对学习率的其他更改同时发生。当 last_epoch=-1 时，将初始 lr 设置为 lr。

参数

• optimizer (优化器) – 包装的优化器。

• milestones (列表) – epoch 索引列表。必须递增。

• gamma (浮点数) – 学习率衰减的乘法因子。默认值：0.1。

• last_epoch (整数) – 上一个 epoch 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() 访问学习率。

示例

>>> # Assuming optimizer uses lr = 0.05 for all groups
>>> # lr = 0.05     if epoch < 30
>>> # lr = 0.005    if 30 <= epoch < 80
>>> # lr = 0.0005   if epoch >= 80
>>> scheduler = MultiStepLR(optimizer, milestones=[30,80], gamma=0.1)
>>> for epoch in range(100):
>>>     train(...)
>>>     validate(...)
>>>     scheduler.step()

get_last_lr()

返回当前调度程序计算的最后一个学习率。

返回类型

列表[浮点数]

get_lr()

计算每个参数组的学习率。

load_state_dict(state_dict)

加载调度程序的状态。

参数

state_dict (字典) – 调度程序状态。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。

自版本 2.4 起已弃用： print_lr() 已弃用。请使用 get_last_lr() 访问学习率。

state_dict()

将调度程序的状态作为 dict 返回。

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。