指数衰减

[源代码]

ExponentialDecay 类

keras.optimizers.schedules.ExponentialDecay(
    initial_learning_rate,
    decay_steps,
    decay_rate,
    staircase=False,
    name="ExponentialDecay",
)

使用指数衰减调度的 LearningRateSchedule。

在训练模型时，随着训练的进行降低学习率通常很有用。此调度器根据提供的初始学习率，对优化器步长应用指数衰减函数。

该调度是一个单参数可调用对象，当传入当前优化器步骤时，它会产生一个衰减的学习率。这对于在优化器函数不同调用之间更改学习率值非常有用。它的计算方式如下：

def decayed_learning_rate(step):
    return initial_learning_rate * decay_rate ^ (step / decay_steps)

如果参数 staircase 为 True，则 step / decay_steps 为整数除法，衰减的学习率遵循阶梯函数。

您可以将此调度直接作为学习率传递给 keras.optimizers.Optimizer。示例

拟合 Keras 模型时，每 100000 步衰减一次，基数为

0.96

initial_learning_rate = 0.1
lr_schedule = keras.optimizers.schedules.ExponentialDecay(
    initial_learning_rate,
    decay_steps=100000,
    decay_rate=0.96,
    staircase=True)

model.compile(optimizer=keras.optimizers.SGD(learning_rate=lr_schedule),
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(data, labels, epochs=5)

学习率调度器也可以使用 keras.optimizers.schedules.serialize 和 keras.optimizers.schedules.deserialize 进行序列化和反序列化。

参数

• initial_learning_rate: Python 浮点数。初始学习率。
• decay_steps：Python 整数。必须为正。参见上面的衰减计算。
• decay_rate：Python 浮点数。衰减率。
• staircase：布尔值。如果为 True，则以离散间隔衰减学习率。
• name：字符串。可选操作名称。默认为 "ExponentialDecay"。

返回

一个接受一个参数的可调用学习率调度，该参数为当前的优化器步数，并输出衰减后的学习率，一个与 initial_learning_rate 类型相同的标量张量。