ExponentialDecay

查看属性与别名

API属性:命令式编程模式(动态图)

class paddle.fluid.dygraph.ExponentialDecay ( learning_rate, decay_steps, decay_rate, staircase=False, begin=0, step=1, dtype=’float32‘ ) [源代码]

该接口提供一种学习率按指数函数衰减的功能。

指数衰减的计算方式如下。

ExponentialDecay - 图1

当staircase为False时,y对应的计算公式为:

ExponentialDecay - 图2

当staircase为True时,y对应的计算公式为:

ExponentialDecay - 图3

式中,

  • ExponentialDecay - 图4

    : 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|float) - 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。
  • decay_rate (float)- 衰减率。
  • staircase (bool) - 若为True,则以不连续的间隔衰减学习速率即阶梯型衰减。若为False,则以标准指数型衰减。默认值为False。
  • begin (int) - 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) - 步大小,即以上运算式子中global_step的每次的增量值,使得global_step随着训练的次数递增。默认值为1。
  • dtype (str) - 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

代码示例

  1. import paddle.fluid as fluid
  2. base_lr = 0.1
  3. with fluid.dygraph.guard():
  4. sgd_optimizer = fluid.optimizer.SGD(
  5. learning_rate=fluid.dygraph.ExponentialDecay(
  6. learning_rate=base_lr,
  7. decay_steps=10000,
  8. decay_rate=0.5,
  9. staircase=True))