LinearWarmup

该接口提供一种学习率优化策略-线性学习率热身(warm up)对学习率进行初步调整。在正常调整学习率之前，先逐步增大学习率。

当训练步数小于热身步数（warmup_steps）时，学习率lr按如下方式更新：

当训练步数大于等于热身步数（warmup_steps）时，学习率lr为：

lr\=learning_ratelr\=learning_rate

其中learning_rate为热身之后的学习率，可以是python的float类型或者 _LRScheduler 的任意子类。

• learning rate (float|_LRScheduler) - 热启训练之后的学习率，可以是python的float类型或者 的任意子类。

• start_lr (float) - warm up的起始学习率。

• 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 。

代码示例

( epoch\=None )

step函数需要在优化器的 optimizer.step() 函数之后调用，调用之后将会根据epoch数来更新学习率，更新之后的学习率将会在优化器下一轮更新参数时使用。

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。