反时限衰减
InverseTimeDecay 类
tf_keras.optimizers.schedules.InverseTimeDecay(
initial_learning_rate, decay_steps, decay_rate, staircase=False, name=None
)
一个使用反时限衰减调度的 LearningRateSchedule。
在训练模型时，随着训练的进行降低学习率通常很有用。此调度将反向衰减函数应用于优化器步骤，给定提供的初始学习率。它需要一个 step 值来计算衰减后的学习率。你可以直接传递一个 TensorFlow 变量，该变量在每个训练步骤都会递增。
该调度是一个 1 参数可调用对象，在传递当前优化器步骤时会产生衰减的学习率。这对于在优化器函数的不同调用之间更改学习率值非常有用。其计算方式为
def decayed_learning_rate(step):
return initial_learning_rate / (1 + decay_rate * step / decay_step)
或者，如果 staircase 为 True，则为
def decayed_learning_rate(step):
return initial_learning_rate / (1 + decay_rate * floor(step / decay_step))
你可以将此调度直接传递到 tf.keras.optimizers.Optimizer 作为学习率。示例
当以 0.5 的速率衰减 1/t 时，拟合 TF-Keras 模型
...
initial_learning_rate = 0.1
decay_steps = 1.0
decay_rate = 0.5
learning_rate_fn = keras.optimizers.schedules.InverseTimeDecay(
initial_learning_rate, decay_steps, decay_rate)
model.compile(optimizer=tf.keras.optimizers.SGD(
learning_rate=learning_rate_fn),
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(data, labels, epochs=5)
返回
一个 1 参数可调用学习率调度，它接受当前优化器步骤并输出衰减的学习率，一个与 initial_learning_rate 类型相同的标量 Tensor。