SequentialLR

class torch.optim.lr_scheduler.SequentialLR(optimizer, schedulers, milestones, last_epoch=-1, verbose='deprecated')

包含在优化过程中按顺序调用的调度程序列表。

具体来说，调度程序将根据里程碑点调用，这些里程碑点应提供每个调度程序在给定时期内应调用的确切间隔。

参数

• optimizer (Optimizer) – 包装的优化器。

• schedulers (list) – 链式调度程序列表。

• milestones (list) – 反映里程碑点的整数列表。

• last_epoch (int) – 上一个时期的索引。默认值：-1。

• verbose (bool | str) –

  不执行任何操作。

  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

>>> # Assuming optimizer uses lr = 1. for all groups
>>> # lr = 0.1     if epoch == 0
>>> # lr = 0.1     if epoch == 1
>>> # lr = 0.9     if epoch == 2
>>> # lr = 0.81    if epoch == 3
>>> # lr = 0.729   if epoch == 4
>>> scheduler1 = ConstantLR(optimizer, factor=0.1, total_iters=2)
>>> scheduler2 = ExponentialLR(optimizer, gamma=0.9)
>>> scheduler = SequentialLR(optimizer, schedulers=[scheduler1, scheduler2], milestones=[2])
>>> 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

List[float]

get_lr()

使用调度程序的可链式形式计算学习率。

返回类型

List[float]

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。应为调用 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。

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。包装的调度程序状态也将保存。

step()

执行一步。