OneCycleLR

class torch.optim.lr_scheduler.OneCycleLR(optimizer, max_lr, total_steps=None, epochs=None, steps_per_epoch=None, pct_start=0.3, anneal_strategy='cos', cycle_momentum=True, base_momentum=0.85, max_momentum=0.95, div_factor=25.0, final_div_factor=10000.0, three_phase=False, last_epoch=-1)

根据 1cycle 学习率策略设置每个参数组的学习率。

1cycle 策略将学习率从初始学习率退火到某个最大学习率，然后再从该最大学习率退火到远低于初始学习率的某个最小学习率。此策略最初在论文 Super-Convergence: Very Fast Training of Neural Networks Using Large Learning Rates 中描述。

1cycle 学习率策略在每个 batch 后改变学习率。step 应该在每个 batch 用于训练后调用。

此调度器不可链式调用。

另请注意，周期的总步数可以通过以下两种方式之一确定（按优先级顺序排列）：

1. 明确提供了 total_steps 的值。

2. 提供了 epoch 数 (epochs) 和每个 epoch 的步数 (steps_per_epoch)。在这种情况下，总步数通过 total_steps = epochs * steps_per_epoch 推断。

您必须提供 total_steps 的值，或者提供 epochs 和 steps_per_epoch 的值。

此调度器的默认行为遵循 fastai 对 1cycle 的实现，该实现声称“未发表的工作表明仅使用两个阶段效果更好”。要模仿原始论文的行为，请设置 three_phase=True。

参数

• optimizer (Optimizer) – 包裹的优化器。

• max_lr (float or list) – 周期中每个参数组的最高学习率边界。

• total_steps (int) – 周期中的总步数。请注意，如果此处未提供值，则必须通过提供 epochs 和 steps_per_epoch 的值来推断。默认值：None

• epochs (int) – 训练的 epoch 数。如果未提供 total_steps 的值，则此参数与 steps_per_epoch 一起用于推断周期中的总步数。默认值：None

• steps_per_epoch (int) – 每个 epoch 训练的步数。如果未提供 total_steps 的值，则此参数与 epochs 一起用于推断周期中的总步数。默认值：None

• pct_start (float) – 周期中用于增加学习率的步数百分比。默认值：0.3

• anneal_strategy (str) – {‘cos’, ‘linear’} 指定退火策略：“cos”表示余弦退火，“linear”表示线性退火。默认值：‘cos’

• cycle_momentum (bool) – 如果为 True，则动量在 ‘base_momentum’ 和 ‘max_momentum’ 之间与学习率呈反比循环。默认值：True

• base_momentum (float or list) – 周期中每个参数组的最低动量边界。请注意，动量与学习率呈反比循环；在周期的峰值，动量为 ‘base_momentum’，学习率为 ‘max_lr’。默认值：0.85

• max_momentum (float or list) – 周期中每个参数组的最高动量边界。从功能上讲，它定义了周期的幅度 (max_momentum - base_momentum)。请注意，动量与学习率呈反比循环；在周期的开始，动量为 ‘max_momentum’，学习率为 ‘base_lr’。默认值：0.95

• div_factor (float) – 通过 initial_lr = max_lr/div_factor 确定初始学习率。默认值：25

• final_div_factor (float) – 通过 min_lr = initial_lr/final_div_factor 确定最低学习率。默认值：1e4

• three_phase (bool) – 如果为 True，则使用调度器的第三阶段根据 ‘final_div_factor’ 逐渐将学习率降至极低，而不是修改第二阶段（前两个阶段将关于 ‘pct_start’ 指示的步数对称）。

• last_epoch (int) – 上一个 batch 的索引。此参数在恢复训练任务时使用。由于 step() 应该在每个 batch 后调用，而不是在每个 epoch 后调用，因此此数字表示计算的总 batches 数，而不是计算的总 epoch 数。当 last_epoch=-1 时，调度器从头开始。默认值：-1

示例

>>> data_loader = torch.utils.data.DataLoader(...)
>>> optimizer = torch.optim.SGD(model.parameters(), lr=1e-4, momentum=0.9)
>>> scheduler = torch.optim.lr_scheduler.OneCycleLR(optimizer, max_lr=0.01, steps_per_epoch=len(data_loader), epochs=10)
>>> for epoch in range(10):
>>>     for batch in data_loader:
>>>         train_batch(...)
>>>         optimizer.step()
>>>         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。应该是由调用 state_dict() 返回的对象。

state_dict()

返回调度器状态，为一个 dict 对象。

它包含 self.__dict__ 中每个非优化器变量的条目。

step(epoch=None)

执行一步。