分段常数衰减

[源代码]

PiecewiseConstantDecay 类

keras.optimizers.schedules.PiecewiseConstantDecay(
    boundaries, values, name="PiecewiseConstant"
)

一个使用分段常数衰减调度的 LearningRateSchedule。

该函数返回一个 1 参数的可调用对象，当传入当前优化器步数时，计算分段常数。这对于在不同优化器函数调用中更改学习率值很有用。

示例

在最初的 100001 步中使用 1.0 的学习率，在接下来的 10000 步中使用 0.5 的学习率，并在任何额外的步骤中使用 0.1 的学习率。

step = ops.array(0)
boundaries = [100000, 110000]
values = [1.0, 0.5, 0.1]
learning_rate_fn = keras.optimizers.schedules.PiecewiseConstantDecay(
    boundaries, values)

# Later, whenever we perform an optimization step, we pass in the step.
learning_rate = learning_rate_fn(step)

您可以将此调度直接作为学习率传递到 keras.optimizers.Optimizer 中。学习率调度也可以使用 keras.optimizers.schedules.serialize 和 keras.optimizers.schedules.deserialize 进行序列化和反序列化。

参数

• boundaries: 一个 Python 数字列表，其中条目严格递增，并且所有元素的类型与优化器步数相同。
• values: 一个 Python 数字列表，指定由 boundaries 定义的间隔的值。它应该比 boundaries 多一个元素，并且所有元素的类型应该相同。
• name: 一个字符串。操作的可选名称。默认为 "PiecewiseConstant"。

返回

一个 1 参数可调用的学习率调度，它接受当前的优化器步数，并输出衰减的学习率，一个与边界张量类型相同的标量张量。

接受 step 的 1 参数函数的输出为，当 step <= boundaries[0] 时为 values[0]，当 step > boundaries[0] 且 step <= boundaries[1] 时为 values[1]，...，当 step > boundaries[-1] 时为 values[-1]。

引发

• ValueError: 如果 boundaries 和 values 列表中的元素数量不匹配。