SequentialLR

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

包含一个调度器列表，预计在优化过程中按顺序调用。

具体来说，调度器将根据里程碑点进行调用，里程碑点应提供每个调度器在给定 epoch 中应被调用的确切间隔。

参数

• optimizer (Optimizer) – 包裹的优化器。

• schedulers (list) – 链式调度器列表。

• milestones (list) – 反映里程碑点的整数列表。

• last_epoch (int) – 上一个 epoch 的索引。默认值：-1。

• verbose (bool | str) –

  无任何作用。

  Deprecated since version 2.2: 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()

返回当前调度器计算的最后一个学习率。

返回类型

List[float]

get_lr()

使用调度器的链式形式计算学习率。

返回类型

List[float]

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。

Deprecated since version 2.4: print_lr() 已弃用。请使用 get_last_lr() 访问学习率。

recursive_undo(sched=None)

递归撤消调度器初始化执行的任何步骤。

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，但优化器除外。还将保存包裹的调度器状态。

step()

执行一个 step。