快捷方式

StepLR

class torch.optim.lr_scheduler.StepLR(optimizer, step_size, gamma=0.1, last_epoch=-1, verbose='deprecated')[源代码]

每隔 step_size 个 epochs 将每个参数组的学习率衰减 gamma 倍。

请注意,这种衰减可能与来自此调度程序外部的学习率的其他更改同时发生。当 last_epoch=-1 时,将初始 lr 设置为 lr。

参数
  • optimizer (优化器) – 包装的优化器。

  • step_size (int) – 学习率衰减周期。

  • gamma (float) – 学习率衰减的乘法因子。默认值:0.1。

  • last_epoch (int) – 最后一个 epoch 的索引。默认值:-1。

  • 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 起不推荐使用: verbose 已弃用。请使用 get_last_lr() 访问学习率。

示例

>>> # Assuming optimizer uses lr = 0.05 for all groups
>>> # lr = 0.05     if epoch < 30
>>> # lr = 0.005    if 30 <= epoch < 60
>>> # lr = 0.0005   if 60 <= epoch < 90
>>> # ...
>>> scheduler = StepLR(optimizer, step_size=30, gamma=0.1)
>>> 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()[源代码]

计算每个参数组的学习率。

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 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 起不推荐使用: 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。

step(epoch=None)

执行一步操作。

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源