学习率计划
LearningRateSchedule 类
keras.optimizers.schedules.LearningRateSchedule()
学习率计划的基类。
你可以使用学习率计划来调整优化器的学习率随时间变化的方式。
有几种内置的学习率计划可供使用，例如 keras.optimizers.schedules.ExponentialDecay 或 keras.optimizers.schedules.PiecewiseConstantDecay
lr_schedule = keras.optimizers.schedules.ExponentialDecay(
initial_learning_rate=1e-2,
decay_steps=10000,
decay_rate=0.9)
optimizer = keras.optimizers.SGD(learning_rate=lr_schedule)
LearningRateSchedule 实例可以作为任何优化器的 learning_rate 参数传入。
要实现你自己的计划对象，你应该实现 __call__ 方法，该方法接受一个 step 参数（标量整数张量，当前的训练步数计数）。 与任何其他 Keras 对象一样，你也可以选择通过实现 get_config 和 from_config 方法使你的对象可序列化。
示例
class MyLRSchedule(keras.optimizers.schedules.LearningRateSchedule):
def __init__(self, initial_learning_rate):
self.initial_learning_rate = initial_learning_rate
def __call__(self, step):
return self.initial_learning_rate / (step + 1)
optimizer = keras.optimizers.SGD(learning_rate=MyLRSchedule(0.1))