分段常数衰减

[源代码]

PiecewiseConstantDecay 类

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

一种使用分段常数衰减调度的 LearningRateSchedule。

该函数返回一个接受当前优化器步骤作为参数的可调用对象，用于计算分段常数。这对于在优化器函数不同调用之间更改学习率值很有用。

示例

对于前 100001 个步骤，学习率为 1.0；对于接下来的 10000 个步骤，学习率为 0.5；对于任何额外的步骤，学习率为 0.1。

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给 keras.optimizers.Optimizer。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，条目严格递增，并且所有元素与优化器步骤具有相同的类型。
• values：一个 Python 数字列表，指定由 boundaries 定义的区间的值。它的元素数量应比 boundaries 多一个，并且所有元素应具有相同的类型。
• name：字符串。操作的可选名称。默认为 "PiecewiseConstant"。

返回

一个接受当前优化器步骤并输出衰减学习率（与边界张量类型相同的标量张量）的 1 参数可调用学习率调度。

接受 step 的 1 参数函数的输出是：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。