InverseTimeDecay¶
- class paddle.optimizer.lr. InverseTimeDecay ( learning_rate, gamma, last_epoch=- 1, verbose=False ) [源代码] ¶
该接口提供逆时间衰减学习率的策略，即学习率与当前衰减次数成反比。
计算方式如下：
\[new\_learning\_rate = \frac{learning\_rate}{1 + gamma * epoch}\]
参数¶
learning_rate (float) - 初始学习率，数据类型为 Python float。
gamma (float) - 衰减率，
new_lr = origin_lr * gamma。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 InverseTimeDecay 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.InverseTimeDecay(learning_rate=0.5, gamma=0.1, 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