tf.compat.v1.train.inverse_time_decay

Применяет обратное убывание во времени к начальной скорости обучения.

tf.compat.v1.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 убывания к предоставленной 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 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: убывание 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)
)

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.