NoamDecay¶
- class paddle.optimizer.lr. NoamDecay ( d_model, warmup_steps, learning_rate=1.0, last_epoch=- 1, verbose=False ) [源代码] ¶
该接口提供 Noam 衰减学习率的策略。
Noam 衰减的计算方式如下：
\[new\_learning\_rate = learning\_rate * d_{model}^{-0.5} * min(epoch^{-0.5}, epoch * warmup\_steps^{-1.5})\]
相关论文：attention is all you need 。
参数¶
d$_{model}$ (int) - 模型的输入、输出向量特征维度，为超参数。数据类型为 Python int。
warmup_steps (int) - 预热步数，为超参数。数据类型为 Python int。
learning_rate (float) - 初始学习率，数据类型为 Python float。默认值为 1.0。
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 NoamDecay 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.NoamDecay(d_model=0.01, warmup_steps=100, 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