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。