inverse_time_decay

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

在初始学习率上运用逆时衰减。

训练模型时，最好在训练过程中降低学习率。通过执行该函数，将对初始学习率运用逆时衰减函数。

逆时衰减计算方式如下。

if staircase == True:
     decayed_learning_rate = learning_rate / (1 + decay_rate * floor(global_step / decay_step))
 else:
     decayed_learning_rate = learning_rate / (1 + decay_rate * global_step / decay_step)

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 步多衰减 decay_rate 倍。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

的1-D Tensor。

返回类型：变量(Variable)

示例代码：

import paddle.fluid as fluid
base_lr = 0.1
sgd_optimizer = fluid.optimizer.SGD(
    learning_rate=fluid.layers.natural_exp_decay(
        learning_rate=base_lr,
        decay_steps=10000,
        decay_rate=0.5,
        staircase=True))