ChainedScheduler

class torch.optim.lr_scheduler.ChainedScheduler(schedulers, optimizer=None)

將一系列學習率排程器連結在一起。

接受一系列可連結的學習率排程器，並在一次呼叫 step() 時連續呼叫它們的 step() 函式。

引數

• schedulers (sequence) – 連結的排程器序列。

• optimizer (Optimizer, optional) – 封裝的最佳化器。預設值：None。

示例

>>> # Assuming optimizer uses lr = 0.05 for all groups
>>> # lr = 0.05      if epoch == 0
>>> # lr = 0.0450    if epoch == 1
>>> # lr = 0.0405    if epoch == 2
>>> # ...
>>> # lr = 0.00675   if epoch == 19
>>> # lr = 0.06078   if epoch == 20
>>> # lr = 0.05470   if epoch == 21
>>> scheduler1 = ConstantLR(optimizer, factor=0.1, total_iters=20)
>>> scheduler2 = ExponentialLR(optimizer, gamma=0.9)
>>> scheduler = ChainedScheduler([scheduler1, scheduler2], optimizer=optimizer)
>>> for epoch in range(100):
>>>     train(...)
>>>     validate(...)
>>>     scheduler.step()

get_last_lr()

返回當前排程器計算的最後一個學習率。

返回型別

list[float]

get_lr()

使用排程器的鏈式形式計算學習率。

返回型別

list[float]

load_state_dict(state_dict)

載入排程器的狀態。

引數

state_dict (dict) – 排程器狀態。應該是一個從呼叫 state_dict() 返回的物件。

state_dict()

返回排程器狀態，作為一個 dict。

它包含 self.__dict__ 中每個不是最佳化器的變數的一個條目。被封裝的排程器狀態也會被儲存。

返回型別

dict[str, Any]

step()

執行一步。