PiecewiseDecay

  • class paddle.fluid.dygraph.PiecewiseDecay(boundaries, values, begin, step=1, dtype='float32')[源代码]

该接口提供对初始学习率进行分段(piecewise)常数衰减的功能。

分段常数衰减的过程举例描述如下。

  1. 例如,设定的boundaries列表为[10000, 20000],候选学习率常量列表values为[1.0, 0.5, 0.1],则:
  2. 1、在当前训练步数global_step小于10000步,学习率值为1.0
  3. 2、在当前训练步数global_step大于或等于10000步,并且小于20000步时,学习率值为0.5
  4. 3、在当前训练步数global_step大于或等于20000步时,学习率值为0.1
  • 参数:
    • boundaries (list) - 指定衰减的步数边界。列表的数据元素为Python int类型。
    • values (list) - 备选学习率列表。数据元素类型为Python float的列表。与边界值列表有对应的关系。
    • begin (int) – 起始步,即以上举例描述中global_step的初始化值。
    • step (int,可选) – 步大小,即以上举例描述中global_step每步的递增值。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

  1. import paddle.fluid as fluid
  2. boundaries = [10000, 20000]
  3. values = [1.0, 0.5, 0.1]
  4. with fluid.dygraph.guard():
  5. optimizer = fluid.optimizer.SGD(
  6. learning_rate=fluid.dygraph.PiecewiseDecay(boundaries, values, 0) )