CosineAnnealingDecay¶

class paddle.optimizer.lr. CosineAnnealingDecay ( learning_rate, T_max, eta_min=0, last_epoch=- 1, verbose=False ) [源代码] ¶

该接口使用 cosine annealing 的策略来动态调整学习率。

\[\begin{split}\begin{aligned} \eta_t & = \eta_{min} + \frac{1}{2}(\eta_{max} - \eta_{min})\left(1 + \cos\left(\frac{T_{cur}}{T_{max}}\pi\right)\right), & T_{cur} \neq (2k+1)T_{max}; \\ \eta_{t+1} & = \eta_{t} + \frac{1}{2}(\eta_{max} - \eta_{min}) \left(1 - \cos\left(\frac{1}{T_{max}}\pi\right)\right), & T_{cur} = (2k+1)T_{max}. \end{aligned}\end{split}\]

\(\eta_{max}\) 的初始值为 learning_rate， \(T_{cur}\) 是 SGDR（重启训练 SGD）训练过程中的当前训练轮数。SGDR 的训练方法可以参考论文，这里只是实现了 cosine annealing 动态学习率，热启训练部分没有实现。

参数¶

learning_rate (float) - 初始学习率，也就是公式中的 \(\eta_{max}\)，数据类型为 Python float 或 int。

T_max (float|int) - 训练的上限轮数，是余弦衰减周期的一半。必须是一个正整数。

eta_min (float|int，可选) - 学习率的最小值，即公式中的 \(\eta_{min}\)。默认值为 0。

last_epoch (int，可选) - 上一轮的轮数，重启训练时设置为上一轮的 epoch 数。默认值为 -1，则为初始学习率。

verbose (bool，可选) - 如果是 True，则在每一轮更新时在标准输出 stdout 输出一条信息。默认值为 False 。

返回¶

用于调整学习率的 CosineAnnealingDecay 实例对象。

代码示例¶

          >>> # Example1: train on default dynamic graph mode
>>> import paddle
>>> import numpy as np

>>> # train on default dynamic graph mode
>>> linear = paddle.nn.Linear(10, 10)
>>> scheduler = paddle.optimizer.lr.CosineAnnealingDecay(learning_rate=0.5, T_max=10, verbose=True)
>>> sgd = paddle.optimizer.SGD(learning_rate=scheduler, parameters=linear.parameters())
>>> for epoch in range(20):
...     for batch_id in range(5):
...         x = paddle.uniform([10, 10])
...         out = linear(x)
...         loss = paddle.mean(out)
...         loss.backward()
...         sgd.step()
...         sgd.clear_gradients()
...         scheduler.step()    # If you update learning rate each step
...     # scheduler.step()        # If you update learning rate each epoch

         

方法¶

step(epoch=None)¶

step 函数需要在优化器的 optimizer.step() 函数之后调用，调用之后将会根据 epoch 数来更新学习率，更新之后的学习率将会在优化器下一轮更新参数时使用。

参数

epoch （int，可选）- 指定具体的 epoch 数。默认值 None，此时将会从-1 自动累加 epoch 数。

返回

无。

代码示例：¶

参照上述示例代码。

使用本API的教程文档¶

Pytorch 写法