MultiStepDecay

    该接口提供一种学习率按 指定轮数 进行衰减的策略。

    衰减过程可以参考以下代码：

    参数：

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

    • milestones (list) - 轮数下标列表。必须递增。

    • 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 MultiStepDecay 实例对象。

    代码示例

    1. import paddle
    2. import numpy as np
    4. # train on default dynamic graph mode
    5. linear = paddle.nn.Linear(10, 10)
    6. scheduler = paddle.optimizer.lr.MultiStepDecay(learning_rate=0.5, milestones=[2, 4, 6], gamma=0.8, verbose=True)
    7. sgd = paddle.optimizer.SGD(learning_rate=scheduler, parameters=linear.parameters())
    8. for epoch in range(20):
    9.     for batch_id in range(2):
    10.         x = paddle.uniform([10, 10])
    11.         out = linear(x)
    13.         sgd.step()
    14.         sgd.clear_gradients()
    15.         scheduler.step()    # If you update learning rate each step
    16.   # scheduler.step()        # If you update learning rate each epoch
    18. # train on static graph mode
    19. paddle.enable_static()
    20. main_prog = paddle.static.Program()
    21. start_prog = paddle.static.Program()
    22. with paddle.static.program_guard(main_prog, start_prog):
    23.     x = paddle.static.data(name='x', shape=[None, 4, 5])
    24.     y = paddle.static.data(name='y', shape=[None, 4, 5])
    25.     z = paddle.static.nn.fc(x, 100)
    26.     loss = paddle.mean(z)
    27.     scheduler = paddle.optimizer.lr.MultiStepDecay(learning_rate=0.5, milestones=[2, 4, 6], gamma=0.8, verbose=True)
    30. exe = paddle.static.Executor()
    31. exe.run(start_prog)
    32. for epoch in range(20):
    33.     for batch_id in range(2):
    34.         out = exe.run(
    35.             main_prog,
    36.             feed={
    37.                 'x': np.random.randn(3, 4, 5).astype('float32'),
    38.                 'y': np.random.randn(3, 4, 5).astype('float32')
    39.             },
    40.             fetch_list=loss.name)
    41.         scheduler.step()    # If you update learning rate each step
    42.   # scheduler.step()        # If you update learning rate each epoch

    step ( epoch=None )

    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 ：