NaturalExpDecay

api_attr

命令式编程模式(动态图)

class paddle.fluid.dygraph.NaturalExpDecay(learning_rate, decay_steps, decay_rate, staircase=False, begin=0, step=1, dtype='float32')[源代码]

该接口提供按自然指数衰减学习率的功能。

自然指数衰减的计算方式如下。

\[decayed\_learning\_rate = learning\_rate * e^{y}\]

当staircase为False时，y对应的计算公式为：

\[y = - decay\_rate * \frac{global\_step}{decay\_steps}\]

当staircase为True时，y对应的计算公式为：

\[y = - decay\_rate * math.floor(\frac{global\_step}{decay\_steps})\]

式中，

  • \(decayed\_learning\_rate\) ： 衰减后的学习率。

式子中各参数详细介绍请看参数说明。

参数

  • learning_rate (Variable|float) - 初始学习率值。如果类型为Variable，则为shape为[1]的Tensor，数据类型为float32或float64；也可以是python的float类型。

  • decay_steps (int) – 指定衰减的步长。该参数确定衰减的周期。

  • decay_rate (float) – 指定衰减率。

  • staircase (bool，可选) - 若为True, 学习率变化曲线呈阶梯状，若为False，学习率变化值曲线为平滑的曲线。默认值为False。

  • begin (int，可选) – 起始步，即以上运算式子中global_step的初始化值。默认值为0。

  • step (int，可选) – 步大小，即以上运算式子中global_step的每次的增量值。默认值为1。

  • dtype – (str，可选) 初始化学习率变量的数据类型，可以为"float32", "float64"。默认值为"float32"。

返回

无

代码示例

import paddle.fluid as fluid
base_lr = 0.1
with fluid.dygraph.guard():
    emb = fluid.dygraph.Embedding([10, 10])
    sgd_optimizer = fluid.optimizer.SGD(
            learning_rate=fluid.dygraph.NaturalExpDecay(
                learning_rate=base_lr,
                decay_steps=10000,
                decay_rate=0.5,
                staircase=True),
            parameter_list=emb.parameters())