tf.keras.optimizers.schedules.PiecewiseConstantDecay

LearningRateSchedule, использующий кусочно-постоянное расписание затухания.

Наследуется от: LearningRateSchedule

tf.keras.optimizers.schedules.PiecewiseConstantDecay(
    boundaries, values, name='PiecewiseConstant'
)

Функция возвращает вызываемый объект с одним аргументом для вычисления кусочно-постоянного значения при передаче текущего шага оптимизатора. Это может быть полезно для изменения значения скорости обучения при разных вызовах функций оптимизатора.

Пример: используйте скорость обучения, равную 1.0 на первых 100001 шагах, 0.5 на следующих 10000 шагах и 0.1 на всех последующих шагах.

step = ops.array(0)
boundaries = [100000, 110000]
values = [1.0, 0.5, 0.1]
learning_rate_fn = keras.optimizers.schedules.PiecewiseConstantDecay(
    boundaries, values)

# Later, whenever we perform an optimization step, we pass in the step.
learning_rate = learning_rate_fn(step)

Это расписание можно передать непосредственно в keras.optimizers.Optimizer в качестве скорости обучения. Расписание скорости обучения также можно сериализовать и десериализовать с помощью keras.optimizers.schedules.serialize и keras.optimizers.schedules.deserialize.

Аргументы
`boundaries`	Список чисел Python со строго возрастающими значениями, тип которых совпадает с типом шага оптимизатора.
`values`	Список чисел Python, задающий значения для интервалов, определённых с помощью `boundaries`. В нём должно быть на один элемент больше, чем в `boundaries`, и все элементы должны иметь одинаковый тип.
`name`	Строка. Необязательное имя операции. По умолчанию — `"PiecewiseConstant"`.

Возвращает

Возвращает
Вызываемое с одним аргументом расписание скорости обучения, которое принимает текущий шаг оптимизатора и возвращает затухающее значение скорости обучения — скалярный тензор того же типа, что и граничные тензоры. Результат функции с одним аргументом, принимающей `step`, равен `values[0]` при `step <= boundaries[0]`, `values[1]` при `step > boundaries[0]` и `step <= boundaries[1]`, ..., а также `values[-1]` при `step > boundaries[-1]`.

Вызываемое с одним аргументом расписание скорости обучения, которое принимает текущий шаг оптимизатора и возвращает затухающее значение скорости обучения — скалярный тензор того же типа, что и граничные тензоры.

Результат функции с одним аргументом, принимающей step, равен values[0] при step <= boundaries[0], values[1] при step > boundaries[0] и step <= boundaries[1], ..., а также values[-1] при step > boundaries[-1].

Вызывает исключение
`ValueError`	если количество элементов в списках `boundaries` и `values` не совпадает.

Методы

`from_config`

Посмотреть исходный код

@classmethod
from_config(
    config
)

Создаёт экземпляр LearningRateSchedule на основе его конфигурации.

Аргументы
`config`	Результат `get_config()`.

Возвращает
Экземпляр `LearningRateSchedule`.

`get_config`

Посмотреть исходный код

get_config()

`call`

Посмотреть исходный код

__call__(
    step
)

Вызывает self как функцию.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/keras/optimizers/schedules/PiecewiseConstantDecay