tf.train.piecewise_constant_decay
Кусочно-постоянное уменьшение от границ и значений интервалов.
tf.train.piecewise_constant_decay(
x, boundaries, values, name=None
)
Пример: использование скорости обучения, которая равна 1,0 для первых 100001 шагов, 0,5 для следующих 10000 шагов и 0,1 для любых дополнительных шагов.
global_step = tf.Variable(0, trainable=False) boundaries = [100000, 110000] values = [1.0, 0.5, 0.1] learning_rate = tf.compat.v1.train.piecewise_constant(global_step, boundaries, values) # Later, whenever we perform an optimization step, we increment global_step.
| Аргументы | |
|---|---|
x |
Скаляр 0-мерного тензора Tensor. Должен быть одного из следующих типов: float32, float64, uint8, int8, int16, int32, int64. |
boundaries |
Список Tensor или int или float с жёстко возрастающими значениями и всеми элементами одного типа с x. |
values |
Список Tensor или float или int, который определяет значения для интервалов, заданных boundaries. Он должен содержать на один элемент больше, чем boundaries, и все элементы должны быть одного типа. |
name |
Строка. Необязательное имя операции. По умолчанию равно 'PiecewiseConstant'. |
| Возвращаемое значение | |
|---|---|
0-мерный тензор. Его значение равно values[0] при x <= boundaries[0], values[1] при x > boundaries[0] и x <= boundaries[1], ..., и значениям[-1] при x > boundaries[-1]. |
| Исключения | |
|---|---|
ValueError |
если типы x и boundaries не совпадают, или типы всех values не совпадают, или количество элементов в списках не совпадает. |
Совместимость с Eager
При включенном выполнении eager эта функция возвращает функцию, которая в свою очередь возвращает тензор с уменьшенной скоростью обучения. Это может быть полезно для изменения значения скорости обучения при разных вызовах функций оптимизатора.
© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/train/piecewise_constant_decay
