pytorch（17）学习率调整

学习率调整

class _LRScheduler

主要属性

• optimizer:关联的优化器
• last_epoch:记录epoch数
• bash_lrs:记录初始学习率

class _LRScheduler(object):
	def __init__(self, optimizer, last_epoch = -1)

主要方法：

• step():更新下一个epoch的学习率
• get_lr():虚函数，计算下一个epoch的学习率

class _LRScheduler(object):
	def __init__(self,optimizer,last_epoch=-1)

	def get_lr(self):
		raise NotImplementedError

1. StepLR
   
   功能：等间隔调整学习率
   
   主要参数：

• step_size:调整间隔数
• gamma:调整系数
  
  调整方式：lr=lr*gamma

lr_scheduler.StepLR(optimizer,step_size,gamma=0.1,last_epoch=-1)

1. MultiStepLR
   
   功能：按给定间隔调整学习率
   
   主要参数：

• milestones:设定调整时刻数
• gamma:调整系数
  
  调整方式：lr = lr*gamma

lr_scheduler.MultiStepLR(optimizer,milestones,gamma=0.1,last_epoch=-1)

1. ExponentialLR
   
   功能：按指数衰减调整学习率
   
   主要参数：

• gamma:指数的底
  
  调整方式：lr = lr*gamma**epoch

lr_scheduler.ExponentialLR(optimizer,gamma,last_epoch=-1)

1. CosineAnnealingLR
   
   功能：余弦周期调整学习率
   
   主要参数：

• T_max:下降周期
• eta_min:学习率下限

\[{调整方式：}\eta_t = \eta_{min}+\frac{1}{2}(\eta_{max}-\eta_{min})(1+cos(\frac{T_{cur}}{T_{max}})\pi/)
\]

1. ReduceLRonPlateau
   
   功能：监控指标，当指标不再变化则调整
   
   主要参数：

• mode：min/max 两种模式
• factor：调整系数
• patience：“耐心 ”，接受几次不变化
• cooldown：“冷却时间”，停止监控一段时间
• verbose：是否打印日志
• min_lr：学习率下限
• eps：学习率衰减最小值

lr_scheduler.ReduceLROnPlateau(optimizer,
mode='min', factor=0.1, patience=10,
verbose=False, threshold=0.0001,
threshold_mode='rel', cooldown=0, min_lr=0,
eps=1e-08)

1. LambdaLR
   
   功能：自定义调整策略
   
   主要参数：

• lr_lambda:function or list

lr_scheduler.LambdaLR(optimizer,lr_lambda, last_epoch=-1)

学习率调整小结

1. 有序调整：Step,MultiStep,Exponetial,CosineAnnealing
2. 自适应调整：ReduceLROnPleateau
3. 自定义调整：Lambda

学习率初始化

1. 设置较小数：0.01、0.001、0.0001
2. 搜索最大学习率：《Cyclical Learning Rates for Training Neural Networks》