exponential_decay

paddle.fluid.layers.exponential_decay(learning_rate, decay_steps, decay_rate, staircase=False)[源代码]

在学习率上运用指数衰减。

训练模型时,在训练过程中降低学习率。每 decay_steps 步骤中以 decay_rate 衰减学习率。

学习率衰减计算方式如下。

  1. if staircase == True:
  2. decayed_learning_rate = learning_rate * decay_rate ^ floor(global_step / decay_steps)
  3. else:
  4. decayed_learning_rate = learning_rate * decay_rate ^ (global_step / decay_steps)

参数

  • learning_rate (Variable|float) - 初始学习率,类型可以为学习率变量(Variable)或float型常量。
  • decay_steps (int) - 学习率衰减步长,见以上衰减运算。
  • decay_rate (float) - 学习率衰减率。见以上衰减运算。
  • staircase (bool) - 若为True,按离散区间衰减学习率,即每 decay_steps 步学习率衰减 decay_rate 。若为False,则按以上衰减运算持续衰减。默认False。

返回

Variable(Tensor) 随step衰减的学习率变量,维度为

exponential_decay - 图1

的1-D Tensor。

返回类型

变量(Variable)

代码示例

  1. import paddle.fluid as fluid
  2. base_lr = 0.1
  3. sgd_optimizer = fluid.optimizer.SGD(
  4. learning_rate=fluid.layers.exponential_decay(
  5. learning_rate=base_lr,
  6. decay_steps=10000,
  7. decay_rate=0.5,
  8. staircase=True))