.. py:class:: paddle.optimizer.lr.MultiStepDecay(learning_rate, milestones, gamma=0.1, last_epoch=-1, verbose=False)
该接口提供一种学习率按 指定轮数 进行衰减的策略。
衰减过程可以参考以下代码:
learning_rate = 0.5
milestones = [30, 50]
gamma = 0.1
learning_rate = 0.5 if epoch < 30
learning_rate = 0.05 if 30 <= epoch < 50
learning_rate = 0.005 if 50 <= epoch
...
- learning_rate (float) - 初始学习率,数据类型为 Python float。
- milestones (list) - 轮数下标列表。必须递增。
- gamma (float,可选) - 衰减率,
new_lr = origin_lr * gamma
,衰减率必须小于等于 1.0,默认值为 0.1。- 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
。
用于调整学习率的 MultiStepDecay
实例对象。
COPY-FROM: paddle.optimizer.lr.MultiStepDecay
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。