tf.keras.optimizers.schedules.ExponentialDecay

Расписание LearningRateSchedule, использующее экспоненциальное уменьшение.

Наследуется от: LearningRateSchedule

tf.keras.optimizers.schedules.ExponentialDecay(
    initial_learning_rate, decay_steps, decay_rate, staircase=False, name=None
)

При обучении модели часто бывает полезно снижать скорость обучения по мере продвижения обучения. Это расписание применяет функцию экспоненциального спада к шагу оптимизатора, учитывая заданную начальную скорость обучения.

Расписание представляет собой вызываемый объект с одним аргументом, который выдает уменьшенную скорость обучения при передаче текущего шага оптимизатора. Это может быть полезно для изменения значения скорости обучения в разных вызовах функций оптимизатора. Он вычисляется как:

def decayed_learning_rate(step):
  return initial_learning_rate * decay_rate ^ (step / decay_steps)

Если аргумент staircase равен True, то step / decay_steps является целочисленным делением, и уменьшенная скорость обучения следует за функцией лестницы.

Вы можете передать это расписание непосредственно в tf.keras.optimizers.Optimizer в качестве скорости обучения. Пример: при подгонке модели Keras, уменьшайте каждые 100000 шагов с основанием 0,96:

initial_learning_rate = 0.1
lr_schedule = tf.keras.optimizers.schedules.ExponentialDecay(
    initial_learning_rate,
    decay_steps=100000,
    decay_rate=0.96,
    staircase=True)

model.compile(optimizer=tf.keras.optimizers.SGD(learning_rate=lr_schedule),
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(data, labels, epochs=5)

Расписание скорости обучения также сериализуемо и десериализуемо с использованием tf.keras.optimizers.schedules.serialize и tf.keras.optimizers.schedules.deserialize.

Методы

from_config

View source

@classmethod
from_config(
    config
)

Создает экземпляр LearningRateSchedule из его конфигурации.

get_config

View source

get_config()

__call__

View source

__call__(
    step
)

Вызов self как функции.