顺序学习率调整器 ¶

class torch.optim.lr_scheduler.SequentialLR(optimizer, schedulers, milestones, last_epoch=-1)[source][source] ¶

包含一个在优化过程中按顺序调用的调度器列表。

具体来说，调度器将根据里程碑点被调用，这些点应提供每个调度器在给定纪元应被调用的精确间隔。

参数:

• 优化器（Optimizer）- 包装的优化器。

• 调度器（列表）- 链式调度器的列表。

• 里程碑（列表）- 反映里程碑点的整数列表。

• last_epoch（整数）- 上一个 epoch 的索引。默认：-1。

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()[source]

返回当前调度器计算的最后学习率。

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]

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。应为调用 state_dict() 返回的对象。

recursive_undo(sched=None)[source][source]

递归撤销调度器初始化时执行的任何步骤。

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()

执行一步操作。