MultiStepLR

class torch.optim.lr_scheduler.MultiStepLR(optimizer, milestones, gamma=0.1, last_epoch=-1, verbose=False) [source]

Уменьшает скорость обучения каждого параметра группы на множитель gamma, когда количество эпох достигает одного из этапов. Обратите внимание, что такое уменьшение может происходить одновременно с другими изменениями скорости обучения извне этого планировщика. Когда last_epoch=-1, устанавливает начальную скорость обучения как lr.

Параметры

• optimizer (Оптимизатор) – Оборачиваемый оптимизатор.
• milestones (список) – Список индексов эпох. Должен быть возрастающим.
• gamma (float) – Множитель для уменьшения скорости обучения. По умолчанию: 0.1.
• last_epoch (int) – Индекс последней эпохи. По умолчанию: -1.
• verbose (bool) – Если True, выводит сообщение в stdout для каждого обновления. По умолчанию: False.

Пример

>>> # Assuming optimizer uses lr = 0.05 for all groups
>>> # lr = 0.05     if epoch < 30
>>> # lr = 0.005    if 30 <= epoch < 80
>>> # lr = 0.0005   if epoch >= 80
>>> scheduler = MultiStepLR(optimizer, milestones=[30,80], gamma=0.1)
>>> for epoch in range(100):
>>>     train(...)
>>>     validate(...)
>>>     scheduler.step()

get_last_lr()

Возвращает последнюю вычисленную скорость обучения текущим планировщиком.

load_state_dict(state_dict)

Загружает состояние планировщика.

Параметры

state_dict (словарь) – Состояние планировщика. Должно быть объектом, возвращенным из вызова state_dict().

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

Отображает текущую скорость обучения.

state_dict()

Возвращает состояние планировщика в виде dict.

Он содержит запись для каждой переменной в self.__dict__, которая не является оптимизатором.