tf.compat.v1.train.cosine_decay

Применяет уменьшение скорости обучения по закону косинуса.

tf.compat.v1.train.cosine_decay(
    learning_rate, global_step, decay_steps, alpha=0.0, name=None
)

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

Функция возвращает уменьшенную скорость обучения. Она вычисляется следующим образом:

global_step = min(global_step, decay_steps)
cosine_decay = 0.5 * (1 + cos(pi * global_step / decay_steps))
decayed = (1 - alpha) * cosine_decay + alpha
decayed_learning_rate = learning_rate * decayed

Пример использования:

decay_steps = 1000
lr_decayed = cosine_decay(learning_rate, global_step, decay_steps)

Ссылки:

Стохастический градиентный спуск с теплыми перезапуском: Loshchilov et al., 2017 (pdf)

Совместимость с Eager Execution

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