Python tf.compat.v1.train.exponential_decay用法及代碼示例

對學習率應用 index 衰減。

用法

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

在訓練模型時，通常建議隨著訓練的進行降低學習率。此函數將 index 衰減函數應用於提供的初始學習率。它需要一個global_step 值來計算衰減的學習率。您可以隻傳遞一個 TensorFlow 變量，該變量在每個訓練步驟中遞增。

該函數返回衰減的學習率。它被計算為：

decayed_learning_rate = learning_rate *
                        decay_rate ^ (global_step / decay_steps)

如果參數 staircase 是 True ，則 global_step / decay_steps 是整數除法，衰減的學習率遵循階梯函數。

示例：每 100000 步衰減一次，底數為 0.96：

...
global_step = tf.Variable(0, trainable=False)
starter_learning_rate = 0.1
learning_rate = tf.compat.v1.train.exponential_decay(starter_learning_rate,
global_step,
                                           100000, 0.96, staircase=True)
# 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

當啟用即刻執行時，此函數返回一個函數，該函數又返回衰減的學習率張量。這對於在優化器函數的不同調用中更改學習率值很有用。