tf.train.inverse_time_decay

Применяет обратную экспоненциальную зависимость к начальной скорости обучения.

tf.train.inverse_time_decay(
    learning_rate, global_step, decay_steps, decay_rate, staircase=False, name=None
)

При обучении модели часто рекомендуется уменьшать скорость обучения по мере прогресса обучения. Эта функция применяет обратную функцию затухания к предоставленной начальной скорости обучения. Она требует global_step значения для вычисления затухающей скорости обучения. Вы можете просто передать переменную TensorFlow, которую вы инкрементируете на каждом шаге обучения.

Функция возвращает затухающую скорость обучения. Она вычисляется как:

decayed_learning_rate = learning_rate / (1 + decay_rate * global_step /
decay_step)

или, если staircase равно True, как:

decayed_learning_rate = learning_rate / (1 + decay_rate * floor(global_step /
decay_step))

Пример: затухание 1/t со скоростью 0,5:

...
global_step = tf.Variable(0, trainable=False)
learning_rate = 0.1
decay_steps = 1.0
decay_rate = 0.5
learning_rate = tf.compat.v1.train.inverse_time_decay(learning_rate,
global_step,
decay_steps, decay_rate)

# Passing global_step to minimize() will increment it at each step.
learning_step = (
    tf.compat.v1.train.GradientDescentOptimizer(learning_rate)
    .minimize(...my loss..., global_step=global_step)
)

Совместимость с Eager

Когда выполнение Eager включено, эта функция возвращает функцию, которая в свою очередь возвращает тензор затухающей скорости обучения. Это может быть полезно для изменения значения скорости обучения при разных вызовах функций оптимизатора.