MultiStepLR

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

一旦 epoch 数达到其中一个里程碑 (milestone)，就将每个参数组的学习率乘以 gamma 进行衰减。

注意，这种衰减可能与来自此调度器外部的学习率变化同时发生。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。

• milestones (list) – epoch 索引的列表。必须是递增的。

• gamma (float) – 学习率衰减的乘法因子。默认值：0.1。

• last_epoch (int) – 最后一个 epoch 的索引。默认值：-1。

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()

返回当前调度器计算出的最后一个学习率。

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。应为调用 state_dict() 返回的对象。

state_dict()

将调度器状态作为 dict 返回。

它包含 self.__dict__ 中除优化器之外的所有变量的条目。

step(epoch=None)

执行一步（step）。