ConstantLR

class torch.optim.lr_scheduler.ConstantLR(optimizer, factor=0.3333333333333333, total_iters=5, last_epoch=-1)

將每個引數組的學習率乘以一個小的常數因子。

乘法操作會一直進行，直到 epoch 數量達到預先定義的里程碑：total_iters。請注意，這種乘以小常數因子的操作可以與來自此排程器外部對學習率的其他更改同時發生。當 last_epoch=-1 時，將初始學習率設定為 lr。

引數

• optimizer (Optimizer) – 包裝的最佳化器。

• factor (float) – 直到里程碑的學習率乘數。預設值：1./3。

• total_iters (int) – 排程器將學習率乘以 factor 的步數。預設值：5。

• last_epoch (int) – The index of the last epoch. Default: -1.

示例

>>> # Assuming optimizer uses lr = 0.05 for all groups
>>> # lr = 0.025   if epoch == 0
>>> # lr = 0.025   if epoch == 1
>>> # lr = 0.025   if epoch == 2
>>> # lr = 0.025   if epoch == 3
>>> # ...
>>> # lr = 0.05    if epoch >= 40
>>> scheduler = ConstantLR(optimizer, factor=0.5, total_iters=40)
>>> 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()

計算每個引數組的學習率。

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。應為呼叫 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__ 中除最佳化器之外的所有變數的條目。

返回型別

dict[str, Any]

step(epoch=None)

執行一步。