LinearLR

class torch.optim.lr_scheduler.LinearLR(optimizer, start_factor=0.3333333333333333, end_factor=1.0, total_iters=5, last_epoch=-1)

通过线性改变小的乘法因子来衰减每个参数组的学习率。

乘法操作会一直进行，直到 epoch 数量达到预设的里程碑：total_iters。请注意，这种衰减可以与其他来自此调度器外部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。

• start_factor (float) – 第一个 epoch 中用于乘以学习率的数字。在接下来的 epoch 中，乘法因子会朝着 end_factor 变化。默认值：1./3。

• end_factor (float) – 在线性变化过程结束时用于乘以学习率的数字。默认值：1.0。

• total_iters (int) – 乘法因子达到 1 所需的迭代次数。默认值：5。

• last_epoch (int) – The index of the last epoch. Default: -1.

示例

>>> # Assuming optimizer uses lr = 0.05 for all groups
>>> # lr = 0.003687  if epoch == 0
>>> # lr = 0.004875  if epoch == 1
>>> # lr = 0.006062  if epoch == 2
>>> # lr = 0.00725   if epoch == 3
>>> # ...
>>> # lr = 0.05      if epoch >= 40
>>> scheduler = LinearLR(optimizer, start_factor=0.05, 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。应该是一个由调用 state_dict() 返回的对象。

state_dict()

返回调度器状态，作为一个 dict。

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。