Python tf.compat.v1.train.cosine_decay用法及代码示例

将余弦衰减应用于学习率。

用法

tf.compat.v1.train.cosine_decay(
    learning_rate, global_step, decay_steps, alpha=0.0, name=None
)

参数

learning_rate 标量 float32 或 float64 张量或 Python 数字。初始学习率。
global_step 标量 int32 或 int64 Tensor 或 Python 编号。用于衰减计算的全局步骤。
decay_steps 标量 int32 或 int64 Tensor 或 Python 编号。要衰减的步数。
alpha 标量 float32 或 float64 张量或 Python 数字。最小学习率值作为learning_rate 的一部分。
name String 。操作的可选名称。默认为'CosineDecay'。

与 learning_rate 类型相同的标量 Tensor 。衰减的学习率。

抛出

ValueError 如果未提供 global_step。

在训练模型时，通常建议随着训练的进行降低学习率。此函数将余弦衰减函数应用于提供的初始学习率。它需要一个global_step 值来计算衰减的学习率。您可以只传递一个 TensorFlow 变量，该变量在每个训练步骤中递增。

该函数返回衰减的学习率。它被计算为：

global_step = min(global_step, decay_steps)
cosine_decay = 0.5 * (1 + cos(pi * global_step / decay_steps))
decayed = (1 - alpha) * cosine_decay + alpha
decayed_learning_rate = learning_rate * decayed

示例用法：

decay_steps = 1000
lr_decayed = cosine_decay(learning_rate, global_step, decay_steps)

参考：

带有热重启的随机梯度下降：Loshchilov 等人，2017 (pdf)

eager模式兼容性

当启用即刻执行时，此函数返回一个函数，该函数又返回衰减的学习率张量。这对于在优化器函数的不同调用中更改学习率值很有用。

相关用法

注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.compat.v1.train.cosine_decay。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。