PolynomialDecay_cn.rst

PolynomialDecay

.. py:class:: paddle.optimizer.lr.PolynomialDecay(learning_rate, decay_steps, end_lr=0.0001, power=1.0, cycle=False, last_epoch=-1, verbose=False)

该接口提供学习率按多项式衰减的策略。通过多项式衰减函数，使得学习率值逐步从初始的 learning_rate，衰减到 end_lr 。

若 cycle 为 True，则计算公式为：

decay\_steps & = decay\_steps * math.ceil(\frac{epoch}{decay\_steps})

new\_learning\_rate & = (learning\_rate-end\_lr)*(1-\frac{epoch}{decay\_steps})^{power}+end\_lr

若 cycle 为 False，则计算公式为：

epoch & = min(epoch, decay\_steps)

new\_learning\_rate & = (learning\_rate-end\_lr)*(1-\frac{epoch}{decay\_steps})^{power}+end\_lr

参数

• learning_rate (float) - 初始学习率，数据类型为 Python float。
• decay_steps (int) - 进行衰减的步长，这个决定了衰减周期。
• end_lr (float，可选）- 最小的最终学习率。默认值为 0.0001。
• power (float，可选) - 多项式的幂，power 应该大于 0.0，才能使学习率衰减。默认值为 1.0。
• cycle (bool，可选) - 学习率下降后是否重新上升。若为 True，则学习率衰减到最低学习率值时，会重新上升。若为 False，则学习率单调递减。默认值为 False。
• 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 PolynomialDecay 实例对象。

代码示例

COPY-FROM: paddle.optimizer.lr.PolynomialDecay

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。