PolynomialDecay
注意:该API仅支持【动态图】模式
- class
paddle.fluid.dygraph.
PolynomialDecay
(learning_rate, decay_steps, end_learning_rate=0.0001, power=1.0, cycle=False, begin=0, step=1, dtype='float32')[源代码]
该接口提供学习率按多项式衰减的功能。通过多项式衰减函数,使得学习率值逐步从初始的 learning_rate
,衰减到 end_learning_rate
。
计算方式如下。
若cycle为True,则计算公式为:
若cycle为False,则计算公式为:
式中,
- : 衰减后的学习率。
式子中各参数详细介绍请看参数说明。
- 参数:
- learning_rate (Variable|float32) - 初始学习率。如果类型为Variable,则为shape为[1]的Tensor,数据类型为float32或float64;也可以是python的float类型。
- decay_steps (int) - 衰减步数。必须是正整数,该参数确定衰减周期。
- end_learning_rate (float,可选) - 最小的最终学习率。默认值为0.0001。
- power (float,可选) - 多项式的幂。默认值为1.0。
- cycle (bool,可选) - 学习率下降后是否重新上升。若为True,则学习率衰减到最低学习率值时,会出现上升。若为False,则学习率曲线则单调递减。默认值为False。
- begin (int,可选) – 起始步,即以上运算式子中global_step的初始化值。默认值为0。
- step (int,可选) – 步大小,即以上运算式子中global_step的递增值。默认值为1。
- dtype (str,可选)– 初始化学习率变量的数据类型,可以为"float32", "float64"。默认值为"float32"。
返回: 无
代码示例
- import paddle.fluid as fluid
- start_lr = 0.01
- total_step = 5000
- end_lr = 0
- with fluid.dygraph.guard():
- optimizer = fluid.optimizer.SGD(
- learning_rate = fluid.dygraph.PolynomialDecay(
- start_lr, total_step, end_lr, power=1.0) )