LambdaLR

class torch.optim.lr_scheduler.LambdaLR(optimizer, lr_lambda, last_epoch=- 1, verbose=False) [source]

Устанавливает скорость обучения каждого параметра группы в начальное значение lr, умноженное на заданную функцию. При last_epoch = -1 устанавливает начальное значение lr как lr.

Параметры:

• optimizer (Оптимизатор) – Оборачиваемый оптимизатор.
• lr_lambda (функция или список) – Функция, вычисляющая множитель, учитывая целое число эпох, или список таких функций, по одной для каждой группы в optimizer.param_groups.
• last_epoch (целое число) – Индекс последней эпохи. По умолчанию: -1.
• verbose (булево) – Если True, выводит сообщение в стандартный вывод для каждого обновления. По умолчанию: False.

Пример

>>> # Assuming optimizer has two groups.
>>> lambda1 = lambda epoch: epoch // 30
>>> lambda2 = lambda epoch: 0.95 ** epoch
>>> scheduler = LambdaLR(optimizer, lr_lambda=[lambda1, lambda2])
>>> 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.

При сохранении или загрузке планировщика, убедитесь, что вы также сохранили или загрузили состояние оптимизатора.

Параметры:

state_dict (словарь) – состояние планировщика. Должно быть объектом, возвращаемым при вызове state_dict().

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

Отображает текущую скорость обучения.

state_dict() [source]

Возвращает состояние планировщика как dict.

Он содержит запись для каждой переменной в self.__dict__, которая не является оптимизатором. Функции лямбда для вычисления скорости обучения будут сохранены только если они являются вызываемыми объектами, а не функциями или лямбдами.

При сохранении или загрузке планировщика, убедитесь, что вы также сохранили или загрузили состояние оптимизатора.