SequentialLR

class torch.optim.lr_scheduler.SequentialLR(optimizer, schedulers, milestones, last_epoch=-1)

包含一個排程器列表，這些排程器將在最佳化過程中按順序呼叫。

具體來說，排程器將根據里程碑點進行呼叫，這些里程碑點應提供每個排程器在給定 epoch 被呼叫時的確切間隔。

引數

• optimizer (Optimizer) – 包裝的最佳化器。

• schedulers (list) – 鏈式排程器的列表。

• milestones (list) – 反映里程碑點的整數列表。

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

示例

>>> # Assuming optimizer uses lr = 0.05 for all groups
>>> # lr = 0.005     if epoch == 0
>>> # lr = 0.005     if epoch == 1
>>> # lr = 0.005     if epoch == 2
>>> # ...
>>> # lr = 0.05      if epoch == 20
>>> # lr = 0.045     if epoch == 21
>>> # lr = 0.0405    if epoch == 22
>>> scheduler1 = ConstantLR(optimizer, factor=0.1, total_iters=20)
>>> scheduler2 = ExponentialLR(optimizer, gamma=0.9)
>>> scheduler = SequentialLR(
...     optimizer,
...     schedulers=[scheduler1, scheduler2],
...     milestones=[20],
... )
>>> 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。

recursive_undo(sched=None)

遞迴地撤銷透過初始化排程器執行的任何步驟。

state_dict()

返回排程器狀態，作為一個 dict。

它包含 self.__dict__ 中每個非 optimizer 的變數的條目。包裝的排程器狀態也將被儲存。

返回型別

dict[str, Any]

step()

執行一步。