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

将自然 index 衰减应用于初始学习率。

用法

tf.compat.v1.train.natural_exp_decay(
    learning_rate, global_step, decay_steps, decay_rate, staircase=False, name=None
)

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 index 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：

decayed_learning_rate = learning_rate * exp(-decay_rate * global_step /
decay_step)

或者，如果 staircase 是 True ，则为：

decayed_learning_rate = learning_rate * exp(-decay_rate * floor(global_step /
decay_step))

示例：以 0.96 为底的 index 衰减：

...
global_step = tf.Variable(0, trainable=False)
learning_rate = 0.1
decay_steps = 5
k = 0.5
learning_rate = tf.compat.v1.train.natural_exp_decay(learning_rate,
global_step,
                                           decay_steps, k)

# Passing global_step to minimize() will increment it at each step.
learning_step = (
    tf.compat.v1.train.GradientDescentOptimizer(learning_rate)
    .minimize(...my loss..., global_step=global_step)
)

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。