tf.keras.optimizers.schedules.PiecewiseConstantDecay

График обучения LearningRateSchedule, использующий схему кусочно-постоянного затухания.

Наследуется от: LearningRateSchedule

Показать псевдонимы

Совместимые псевдонимы 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 одним аргументом для вычисления кусочно-постоянного значения, когда передается текущий шаг оптимизатора. Это может быть полезно для изменения значения скорости обучения в разных вызовах функций оптимизатора.

Пример: используйте скорость обучения, равную 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 передать этот график непосредственно в tf.keras.optimizers.Optimizer в качестве скорости обучения. График скорости обучения также сериализуется и десериализуется с помощью tf.keras.optimizers.schedules.serialize и tf.keras.optimizers.schedules.deserialize.

Возвращает

Возвращает
Вызываемый объект с одним аргументом, представляющий график скорости обучения, который принимает текущий шаг оптимизатора и выводит уменьшенную скорость обучения, скаляр `Tensor` того же типа, что и граничные тензоры. Результат работы функции с одним аргументом, которая принимает `step`, равен `values[0]`, когда `step <= boundaries[0]`, `values[1]`, когда `step > boundaries[0]` и `step <= boundaries[1]`, ..., и values[-1], когда `step > boundaries[-1]`.

Вызываемый объект с одним аргументом, представляющий график скорости обучения, который принимает текущий шаг оптимизатора и выводит уменьшенную скорость обучения, скаляр Tensor того же типа, что и граничные тензоры.

Результат работы функции с одним аргументом, которая принимает step, равен values[0], когда step <= boundaries[0], values[1], когда step > boundaries[0] и step <= boundaries[1], ..., и values[-1], когда step > boundaries[-1].

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

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

Методы

`from_config`

Показать исходный код

@classmethod
from_config(
    config
)

Создаёт экземпляр LearningRateSchedule из его конфигурации.

Аргументы
`config`	Результат `get_config()`.

Возвращает
Экземпляр `LearningRateSchedule`.

`get_config`

Показать исходный код

get_config()

`call`

Показать исходный код

__call__(
    step
)

Вызов self как функции.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.9/api_docs/python/tf/keras/optimizers/schedules/PiecewiseConstantDecay