ExponentialDecay 类tf_keras.optimizers.schedules.ExponentialDecay(
initial_learning_rate, decay_steps, decay_rate, staircase=False, name=None
)
使用指数衰减调度的 LearningRateSchedule。
在训练模型时，随着训练的进行降低学习率通常很有用。此调度器根据提供的初始学习率，对优化器步骤应用指数衰减函数。
此调度器是一个接受一个参数的可调用对象，当传入当前的优化器步骤时，它会生成一个衰减后的学习率。这对于在优化器函数的不同调用中更改学习率值非常有用。其计算公式为
def decayed_learning_rate(step):
return initial_learning_rate * decay_rate ^ (step / decay_steps)
如果参数 staircase 为 True，则 step / decay_steps 是整数除法，衰减后的学习率遵循阶梯函数。
您可以将此调度器直接作为学习率传递给 tf.keras.optimizers.Optimizer。示例
拟合 TF-Keras 模型时，每 100000 步衰减一次，基数
为 0.96
initial_learning_rate = 0.1
lr_schedule = tf.keras.optimizers.schedules.ExponentialDecay(
initial_learning_rate,
decay_steps=100000,
decay_rate=0.96,
staircase=True)
model.compile(optimizer=tf.keras.optimizers.SGD(learning_rate=lr_schedule),
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(data, labels, epochs=5)
此学习率调度器也可以使用 tf.keras.optimizers.schedules.serialize 和 tf.keras.optimizers.schedules.deserialize 进行序列化和反序列化。
返回
一个接受一个参数的可调用学习率调度器，它接受当前的优化器步骤并输出衰减后的学习率，即一个与 initial_learning_rate 类型相同的标量 Tensor。