Планировщик цепочек

class torch.optim.lr_scheduler.ChainedScheduler(schedulers) [source]

Объединяет список планировщиков скорости обучения. Принимает список планировщиков скорости обучения, которые можно объединить, и выполняет последовательные функции step() для них одним вызовом.

Параметры:

schedulers (список) – Список объединённых планировщиков.

Пример

>>> # Assuming optimizer uses lr = 1. for all groups
>>> # lr = 0.09     if epoch == 0
>>> # lr = 0.081    if epoch == 1
>>> # lr = 0.729    if epoch == 2
>>> # lr = 0.6561   if epoch == 3
>>> # lr = 0.59049  if epoch >= 4
>>> scheduler1 = ConstantLR(self.opt, factor=0.1, total_iters=2)
>>> scheduler2 = ExponentialLR(self.opt, gamma=0.9)
>>> scheduler = ChainedScheduler([scheduler1, scheduler2])
>>> for epoch in range(100):
>>>     train(...)
>>>     validate(...)
>>>     scheduler.step()

get_last_lr()

Возвращает последнюю вычисленную скорость обучения текущим планировщиком.

load_state_dict(state_dict) [source]

Загружает состояние планировщика.

Параметры:

state_dict (словарь) – состояние планировщика. Должно быть объектом, возвращаемым из вызова state_dict().

print_lr(is_verbose, group, lr, epoch=None)

Отображает текущую скорость обучения.

state_dict() [source]

Возвращает состояние планировщика в виде dict.

Он содержит запись для каждой переменной в self.__dict__, которая не является оптимизатором. Состояния обернутых планировщиков также будут сохранены.