ChainedScheduler

class torch.optim.lr_scheduler.ChainedScheduler(schedulers, optimizer=None)

链接一系列学习率调度器。

接收一系列可链式学习率调度器，并在一次调用中连续调用它们的 step() 函数。

参数:

• 调度器（序列）- 链式调度器的序列。

• 优化器（Optimizer，可选）- 包装的优化器。默认：None。

示例

>>> # Assuming optimizer uses lr = 1. for all groups
>>> # lr = 0.09     if epoch == 0
>>> # lr = 0.081    if epoch == 1
>>> # lr = 0.729    if epoch == 2
>>> # lr = 0.6561   if epoch == 3
>>> # lr = 0.59049  if epoch >= 4
>>> scheduler1 = ConstantLR(optimizer, factor=0.1, total_iters=2)
>>> scheduler2 = ExponentialLR(optimizer, gamma=0.9)
>>> scheduler = ChainedScheduler([scheduler1, scheduler2], optimizer=optimizer)
>>> for epoch in range(100):
>>>     train(...)
>>>     validate(...)
>>>     scheduler.step()

get_last_lr()[source]

返回当前调度器最后一次计算的学习率。

返回类型:

list[浮点数]

get_lr()

使用调度器的链式形式计算学习率。

返回类型:

list[浮点数]

加载状态字典(state_dict)[source][source] ¶

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()

返回调度器的状态作为 dict 。

包含了每个不在优化器中的变量在 self.__dict__ 中的条目。包装的调度器状态也将被保存。

step()

执行一步。