ChainedScheduler

class torch.optim.lr_scheduler.ChainedScheduler(schedulers, optimizer=None) [source]

Объединяет список планировщиков скорости обучения.

Принимает последовательность объединяемых планировщиков скорости обучения и последовательно вызывает их функции step() одним вызовом step().

Параметры:

• schedulers (sequence) – последовательность объединённых планировщиков.
• optimizer (Optimizer, optional) – Обёрнутый оптимизатор. По умолчанию: None.

Пример

>>> # Assuming optimizer uses lr = 0.05 for all groups
>>> # lr = 0.005      if epoch == 0
>>> # lr = 0.00450    if epoch == 1
>>> # lr = 0.00405    if epoch == 2
>>> # ...
>>> # lr = 0.000675   if epoch == 19
>>> # lr = 0.006078   if epoch == 20
>>> # lr = 0.005470   if epoch == 21
>>> scheduler1 = ConstantLR(optimizer, factor=0.1, total_iters=20)
>>> scheduler2 = ExponentialLR(optimizer, gamma=0.9)
>>> scheduler = ChainedScheduler([scheduler1, scheduler2], optimizer=optimizer)
>>> for epoch in range(100):
>>>     train(...)
>>>     validate(...)
>>>     scheduler.step()

get_last_lr() [source]

Получить последние скорости обучения, вычисленные этим планировщиком.

Возвращает:

list скоростей обучения с элементами для каждого param_groups оптимизатора, с теми же типами, что и у соответствующих group["lr"]s.

Тип возвращаемого значения:

list[float | Tensor]

Примечание

Возвращаемые Tensor являются копиями и никогда не ссылаются на те же объекты, что и group["lr"] оптимизатора.

get_lr() [source]

Вычислить следующую скорость обучения для каждого param_groups оптимизатора.

Возвращает:

list скоростей обучения для каждого param_groups оптимизатора с теми же типами, что и у соответствующих текущих group["lr"]s.

Тип возвращаемого значения:

list[float | Tensor]

Примечание

Если вы хотите узнать последнюю скорость обучения, используйте вместо этого get_last_lr().

Примечание

Возвращаемые Tensor являются копиями и никогда не ссылаются на те же объекты, что и group["lr"] оптимизатора.

load_state_dict(state_dict) [source]

Загрузить состояние планировщика.

Параметры:

state_dict (dict) – состояние планировщика. Должно быть объектом, возвращённым вызовом state_dict().

state_dict() [source]

Возвращает состояние планировщика в виде dict.

Оно содержит запись для каждой переменной в self.__dict__, кроме оптимизатора. Состояния обёрнутых планировщиков также будут сохранены.

Тип возвращаемого значения:

dict[str, Any]

step() [source]

Выполнить шаг.