PolynomialLR

class torch.optim.lr_scheduler.PolynomialLR(optimizer, total_iters=5, power=1.0, last_epoch=-1, verbose='deprecated')

使用给定 total_iters 中的多项式函数来衰减每个参数组的学习率。

当 last_epoch=-1 时，将初始学习率设置为 lr。

参数

• optimizer (Optimizer) – 封装的优化器。

• total_iters (int) – 调度器衰减学习率的步骤数。默认值：5。

• power (float) – 多项式的幂。默认值：1.0。

• verbose (bool | str) –

  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 = 0.001 for all groups
>>> # lr = 0.001     if epoch == 0
>>> # lr = 0.00075   if epoch == 1
>>> # lr = 0.00050   if epoch == 2
>>> # lr = 0.00025   if epoch == 3
>>> # lr = 0.0       if epoch >= 4
>>> scheduler = PolynomialLR(optimizer, total_iters=4, power=1.0)
>>> 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 state_dict() 调用返回的对象。

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()

将调度器的状态作为 dict 返回。

它包含 self.__dict__ 中每个变量的条目，这些条目不是优化器。

step(epoch=None)

执行一个步骤。