StepDecay¶

class paddle.optimizer.lr. StepDecay ( learning_rate, step_size, gamma=0.1, last_epoch=- 1, verbose=False ) ¶

该接口提供一种学习率按指定间隔轮数衰减的策略。

衰减过程可以参考以下代码：

         learning_rate = 0.5
step_size = 30
gamma = 0.1

learning_rate = 0.5     if epoch < 30
learning_rate = 0.05    if 30 <= epoch < 60
learning_rate = 0.005   if 60 <= epoch < 90
...

        

参数¶

learning_rate (float) - 初始学习率，数据类型为 Python float。

step_size (int) - 学习率衰减轮数间隔。

gamma (float，可选) - 衰减率，new_lr = origin_lr * gamma，衰减率必须小于等于 1.0，默认值为 0.1。

last_epoch (int，可选) - 上一轮的轮数，重启训练时设置为上一轮的 epoch 数。默认值为 -1，则为初始学习率。

verbose (bool，可选) - 如果是 True，则在每一轮更新时在标准输出 stdout 输出一条信息。默认值为 False 。

返回¶

用于调整学习率的 StepDecay 实例对象。

代码示例¶

COPY-FROM: paddle.optimizer.lr.StepDecay

方法¶

step(epoch=None)¶

step 函数需要在优化器的 optimizer.step() 函数之后调用，调用之后将会根据 epoch 数来更新学习率，更新之后的学习率将会在优化器下一轮更新参数时使用。

参数

epoch (int，可选) - 指定具体的 epoch 数。默认值 None，此时将会从-1 自动累加 epoch 数。

返回

无。

代码示例

参照上述示例代码。