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, verbose='deprecated')[源代码]¶
根据 1cycle 学习率策略设置每个参数组的学习率。
1cycle 策略从初始学习率退火到某个最大学习率,然后从该最大学习率退火到某个比初始学习率低得多的最小学习率。该策略最初在论文 超收敛:使用大学习率训练神经网络的超快方法 中描述。
1cycle 学习率策略在每个批次之后更改学习率。 step 应该在使用批次进行训练后调用。
此调度器不可链接。
还要注意,周期中的总步数可以通过两种方式之一确定(按优先级顺序排列)
明确提供了 total_steps 的值。
提供了训练轮数 (epochs) 和每轮步数 (steps_per_epoch)。在这种情况下,总步数由 total_steps = epochs * steps_per_epoch 推断得出
您必须提供 total_steps 的值,或同时提供 epochs 和 steps_per_epoch 的值。
此调度的默认行为遵循 fastai 实现的 1cycle,该实现声称“未发表的工作表明仅使用两个阶段可以获得更好的结果”。要模拟原始论文的行为,请设置
three_phase=True
。- 参数
optimizer (优化器) – 被封装的优化器。
total_steps (整数) – 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 的值来推断该值。默认值:None
epochs (整数) – 训练的轮数。如果未提供 total_steps 的值,则与 steps_per_epoch 一起使用来推断周期中的总步数。默认值:None
steps_per_epoch (整数) – 训练的每轮步数。如果未提供 total_steps 的值,则与 epochs 一起使用来推断周期中的总步数。默认值:None
pct_start (浮点数) – 提高学习率所花费的周期百分比(以步数表示)。默认值:0.3
anneal_strategy (字符串) – {‘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 (布尔值) – 如果为
True
,则动量会与学习率反向循环,在 ‘base_momentum’ 和 ‘max_momentum’ 之间循环。默认值:Truebase_momentum (float 或 list) – 每个参数组循环中的较低动量边界。请注意,动量与学习率反向循环;在循环峰值时,动量为“base_momentum”,学习率为“max_lr”。默认值:0.85
max_momentum (float 或 list) – 每个参数组循环中的较高动量边界。在功能上,它定义了循环幅度 (max_momentum - base_momentum)。请注意,动量与学习率反向循环;在循环开始时,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 确定最小学习率。默认值:1e4
three_phase (bool) – 如果为
True
,使用调度的第三阶段根据“final_div_factor”消除学习率,而不是修改第二阶段(前两个阶段将关于“pct_start”指示的步骤对称)。last_epoch (int) – 最后一个批次的索引。此参数在恢复训练作业时使用。由于 step() 应该在每个批次后调用,而不是在每个 epoch 后调用,因此此数字表示计算的总批次数,而不是计算的总 epoch 数。当 last_epoch=-1 时,调度从头开始。默认值:-1
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
。从版本 2.2 开始弃用:
verbose
已弃用。请使用get_last_lr()
访问学习率。
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()
- load_state_dict(state_dict)¶
加载调度程序的状态。
- 参数
state_dict (dict) – 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。
从版本 2.4 开始弃用:
print_lr()
已弃用。请使用get_last_lr()
访问学习率。
- step(epoch=None)¶
执行一步。