當前位置: 首頁>>編程示例 >>用法及示例精選 >>正文


Python tf.keras.optimizers.schedules.PolynomialDecay用法及代碼示例

使用多項式衰減時間表的 LearningRateSchedule。

繼承自:LearningRateSchedule

用法

tf.keras.optimizers.schedules.PolynomialDecay(
    initial_learning_rate, decay_steps, end_learning_rate=0.0001, power=1.0,
    cycle=False, name=None
)

返回

  • 一個 1-arg 可調用學習率計劃,它采用當前優化器步驟並輸出衰減的學習率,一個與 initial_learning_rate 類型相同的標量 Tensor

參數

  • initial_learning_rate 標量 float32float64 Tensor 或 Python 編號。初始學習率。
  • decay_steps 標量 int32int64 Tensor 或 Python 編號。必須是積極的。請參閱上麵的衰減計算。
  • end_learning_rate 標量 float32float64 Tensor 或 Python 編號。最小的最終學習率。
  • power 標量 float32float64 Tensor 或 Python 編號。多項式的冪。默認為線性,1.0。
  • cycle 一個布爾值,它是否應該循環超過decay_steps。
  • name String 。操作的可選名稱。默認為'PolynomialDecay'。

通常觀察到,單調遞減的學習率(其變化程度經過精心選擇)會產生更好的模型。在給定 initial_learning_rate 的情況下,此計劃將多項式衰減函數應用於優化器步驟,以達到給定 decay_steps 中的 end_learning_rate

它需要一個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。

該計劃是一個 1-arg 可調用對象,當通過當前優化器步驟時會產生衰減的學習率。這對於在優化器函數的不同調用中更改學習率值很有用。它被計算為:

def decayed_learning_rate(step):
  step = min(step, decay_steps)
  return ((initial_learning_rate - end_learning_rate) *
          (1 - step / decay_steps) ^ (power)
         ) + end_learning_rate

如果 cycle 為 True 則使用 decay_steps 的倍數,第一個大於 step

def decayed_learning_rate(step):
  decay_steps = decay_steps * ceil(step / decay_steps)
  return ((initial_learning_rate - end_learning_rate) *
          (1 - step / decay_steps) ^ (power)
         ) + end_learning_rate

您可以將此計劃直接傳遞到 tf.keras.optimizers.Optimizer 作為學習率。示例:擬合模型,同時使用 sqrt 以 10000 步從 0.1 衰減到 0.01(即 power=0.5):

...
starter_learning_rate = 0.1
end_learning_rate = 0.01
decay_steps = 10000
learning_rate_fn = tf.keras.optimizers.schedules.PolynomialDecay(
    starter_learning_rate,
    decay_steps,
    end_learning_rate,
    power=0.5)

model.compile(optimizer=tf.keras.optimizers.SGD(
                  learning_rate=learning_rate_fn),
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(data, labels, epochs=5)

學習率計劃也可以使用 tf.keras.optimizers.schedules.serializetf.keras.optimizers.schedules.deserialize 進行序列化和反序列化。

相關用法


注:本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.keras.optimizers.schedules.PolynomialDecay。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。