LinearWarmup
- class paddle.optimizer.lr. LinearWarmup ( learning_rate, warmup_steps, start_lr, end_lr, last_epoch=-1, verbose=False )
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:
其中 start_lr 是初始学习率,而 end_lr 是最终学习率; 当训练步数大于等于热身步数(warmup_steps)时,学习率 lr 为:
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。
参数
learning rate (float|_LRScheduler) - 热启训练之后的学习率,可以是 python 的 float 类型或者
_LRScheduler
的任意子类。warmup_steps (int) - 进行 warm up 过程的步数。
start_lr (float) - warm up 的起始学习率。
end_lr (float) - warm up 的最终学习率。
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。
verbose (bool,可选) - 如果是
True
,则在每一轮更新时在标准输出 stdout 输出一条信息。默认值为False
。
返回
用于调整学习率的 LinearWarmup
实例对象。
代码示例
COPY-FROM: paddle.optimizer.lr.LinearWarmup
方法
step(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。
代码示例
参照上述示例代码。