CosineAnnealingLR

class torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max, eta_min=0.0, last_epoch=-1, verbose='deprecated')

使用餘弦退火排程來設定每個參數群組的學習率。

$\eta_{max}$ 被設定為初始學習率，而 $T_{cur}$ 是自 SGDR 上次重新啟動以來的 epoch 數。

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

當 last_epoch=-1 時，將初始學習率設定為 lr。 請注意，由於排程是遞迴定義的，因此學習率可以同時被此排程器之外的其他運算符修改。 如果學習率僅由此排程器設定，則每個步驟的學習率變為：

$$\eta_t = \eta_{min} + \frac{1}{2}(\eta_{max} - \eta_{min})\left(1 + \cos\left(\frac{T_{cur}}{T_{max}}\pi\right)\right)$$

它已在SGDR: Stochastic Gradient Descent with Warm Restarts中被提出。請注意，這僅實現了SGDR的餘弦退火部分，而不是重新啟動。

參數

• optimizer (Optimizer) – 包裹的優化器。

• T_max (int) – 最大迭代次數。

• eta_min (float) – 最小學習率。預設值：0。

• last_epoch (int) – 最後一個 epoch 的索引。預設值：-1。

• verbose (bool | str) –

  如果 True，則為每次更新向標準輸出列印訊息。預設值： False。

  Deprecated since version 2.2: verbose 已棄用。請使用 get_last_lr() 訪問學習率。

get_last_lr()

傳回目前排程器計算的最後一個學習率。

傳回類型

List[float]

get_lr()

檢索每個參數群組的學習率。

load_state_dict(state_dict)

載入排程器的狀態。

參數

state_dict (dict) – 排程器狀態。 應該是呼叫 state_dict() 後傳回的物件。

print_lr(is_verbose, group, lr, epoch=None)

顯示目前的學習率。

自 2.4 版本起已棄用: print_lr() 已棄用。 請使用 get_last_lr() 來存取學習率。

state_dict()

將排程器的狀態以 dict 的形式傳回。

它包含 self.__dict__ 中每個變數的項目，但 optimizer 除外。

step(epoch=None)

執行一個步驟。