[ 组合替代实现 ]torch.optim.lr_scheduler.CosineAnnealingWarmRestarts

torch.optim.lr_scheduler.CosineAnnealingWarmRestarts

torch.optim.lr_scheduler.CosineAnnealingWarmRestarts(optimizer, T_0, T_mult=1, eta_min=0, last_epoch=-1, verbose=False)

paddle.optimizer.lr.CosineAnnealingWarmRestarts

paddle.optimizer.lr.CosineAnnealingWarmRestarts(learning_rate,
                                        T_0,
                                        T_mult=1,
                                        eta_min=0,
                                        last_epoch=-1,
                                        verbose=False)

两者 API 功能一致, 参数用法不一致,PyTorch 是 Scheduler 实例持有 Optimizer 实例,Paddle 是 Optimizer 实例持有 Scheduler 实例。由于持有关系相反,因此 Paddle 使用 Optimizer.set_lr_scheduler 来设置这种持有关系。具体如下:

参数映射

PyTorch PaddlePaddle 备注
optimizer learning_rate PyTorch 的 optimizer 类型是 torch.optim.Optimizer,Paddle 的 learning_rate 类型是 float,两者功能上不直接一致,但可通过设置 leaning_rate = optimizer.get_lr() 来对应一致。
T_0 T_0 首次重启迭代数。
T_mult T_mult 重启后变量增加因子。
eta_min eta_min 表示学习率的最小值。
last_epoch last_epoch 上一轮的轮数,重启训练时设置为上一轮的 epoch 数。
verbose verbose 如果是 True,则在每一轮更新时在标准输出 stdout 输出一条信息。

转写示例

# PyTorch 写法
linear = torch.nn.Linear(10, 10)
sgd = torch.optimizer.SGD(lr=0.5, parameters=linear.parameters())
scheduler = torch.optim.lr_scheduler.CosineAnnealingWarmRestarts(optimizer=sgd, T_0=1)

# Paddle 写法
linear = paddle.nn.linear(10, 10)
sgd = paddle.optimizer.SGD(learning_rate=0.5, parameters=linear.parameters())
scheduler = paddle.optimizer.lr.CosineAnnealingWarmRestarts(learning_rate=sgd.get_lr(), T_0=1)
sgd.set_lr_scheduler(scheduler)