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：

\[lr = start\_lr + (end\_lr - start\_lr) * \frac{epoch}{warmup\_steps}\]

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：

\[lr = learning\_rate\]

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。

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。