tf.keras.optimizers.schedules.PiecewiseConstantDecay

Просмотреть исходный код на GitHub

Расписание изменения скорости обучения, использующее кусочно-постоянное расписание.

Наследуется от: LearningRateSchedule

Просмотр псевдонимов

Основные псевдонимы

tf.optimizers.schedules.PiecewiseConstantDecay

Псевдонимы совместимости для миграции

См. Руководство по миграции для получения более подробной информации.

tf.compat.v1.keras.optimizers.schedules.PiecewiseConstantDecay

tf.keras.optimizers.schedules.PiecewiseConstantDecay(
    boundaries, values, name=None
)

Функция возвращает вызываемый объект с 1 аргументом для вычисления кусочно-постоянного значения при передаче текущего шага оптимизатора. Это может быть полезно для изменения значения скорости обучения при различных вызовах функций оптимизатора.

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.

step = tf.Variable(0, trainable=False)
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)

Вы можете напрямую передать это расписание в tf.keras.optimizers.Optimizer в качестве скорости обучения. Расписание скорости обучения также можно сериализовать и десериализовать с помощью tf.keras.optimizers.schedules.serialize и tf.keras.optimizers.schedules.deserialize.

Возвращает

Возвращает
Расписание скорости обучения с 1 аргументом, которое принимает текущий шаг оптимизатора и возвращает изменённую скорость обучения, скаляр `Tensor` того же типа, что и тензоры границ. Результат вызова функции с 1 аргументом, принимающей `step`, равен `values[0]`, когда `step <= boundaries[0]`, `values[1]` когда `step > boundaries[0]` и `step <= boundaries[1]`, ..., и значения[-1] когда `step > boundaries[-1]`.

Расписание скорости обучения с 1 аргументом, которое принимает текущий шаг оптимизатора и возвращает изменённую скорость обучения, скаляр Tensor того же типа, что и тензоры границ.

Результат вызова функции с 1 аргументом, принимающей step, равен values[0], когда step <= boundaries[0], values[1] когда step > boundaries[0] и step <= boundaries[1], ..., и значения[-1] когда step > boundaries[-1].

Аргументы
`boundaries`	Список `Tensor` или `int` или `float` со строго возрастающими значениями, и все элементы должны иметь тот же тип, что и шаг оптимизатора.
`values`	Список `Tensor` или `float` или `int` , определяющий значения для интервалов, определённых `boundaries`. Он должен содержать на один элемент больше, чем `boundaries`, и все элементы должны иметь одинаковый тип.
`name`	Строка. Необязательное имя операции. По умолчанию 'PiecewiseConstant'.

Исключения
`ValueError`	если количество элементов в списках не совпадает.

Методы

`from_config`

Просмотреть исходный код

@classmethod
from_config(
    config
)

Инициализирует LearningRateSchedule по его конфигурации.

Аргументы
`config`	Результат `get_config()`.

Возвращает
Экземпляр `LearningRateSchedule` .

`get_config`

Просмотреть исходный код

get_config()

`call`

Просмотреть исходный код

__call__(
    step
)

Вызов self как функции.

© 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/r2.4/api_docs/python/tf/keras/optimizers/schedules/PiecewiseConstantDecay