ConstantLR

class torch.optim.lr_scheduler.ConstantLR(optimizer, factor=0.3333333333333333, total_iters=5, last_epoch=-1)

将每个参数组的学习率乘以一个小的常数因子。

乘法操作会一直进行，直到达到预设的里程碑：total_iters。请注意，这种小的常数因子乘法可能与此调度器之外的学习率变化同时发生。当 last_epoch=-1 时，将初始学习率设置为 lr。

参数

• optimizer (Optimizer) – 包装的优化器。

• factor (float) – 学习率乘以的数字，直到达到里程碑。默认值：1./3。

• total_iters (int) – 调度器将学习率乘以因子的步数。默认值：5。

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

示例

>>> # Assuming optimizer uses lr = 0.05 for all groups
>>> # lr = 0.025   if epoch == 0
>>> # lr = 0.025   if epoch == 1
>>> # lr = 0.025   if epoch == 2
>>> # lr = 0.025   if epoch == 3
>>> # ...
>>> # lr = 0.05    if epoch >= 40
>>> scheduler = ConstantLR(optimizer, factor=0.5, total_iters=40)
>>> 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()

计算每个参数组的学习率。

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。

state_dict()

以 dict 的形式返回调度器的状态。

它包含 self.__dict__ 中除优化器之外的所有变量的条目。

返回类型

dict[str, Any]

step(epoch=None)

执行一步。