mindspore.nn.warmup_lr

查看源文件
mindspore.nn.warmup_lr(learning_rate, total_step, step_per_epoch, warmup_epoch)[源代码]

预热学习率。每个step的学习率将会被存放在一个列表中。

对于第i步,计算warmup_learning_rate[i]的公式为:

\[warmup\_learning\_rate[i] = learning\_rate * tmp\_epoch / warmup\_epoch\]

其中 \(tmp\_epoch= \min(current\_epoch, warmup\_epoch),\ current\_epoch=floor(\frac{i}{step\_per\_epoch})\)

参数:
  • learning_rate (float) - 学习率的初始值。

  • total_step (int) - step总数。

  • step_per_epoch (int) - 每个epoch的step数。

  • warmup_epoch (int) - 预热学习率的epoch数。

返回:

list[float]。 total_step 表示列表的大小。

异常:
  • TypeError - learning_rate 不是float。

  • TypeError - total_stepstep_per_epochdecay_epoch 不是int。

  • ValueError - learning_rate 小于0。

支持平台:

Ascend GPU CPU

样例:

>>> import mindspore.nn as nn
>>>
>>> learning_rate = 0.1
>>> total_step = 6
>>> step_per_epoch = 2
>>> warmup_epoch = 2
>>> lr = nn.warmup_lr(learning_rate, total_step, step_per_epoch, warmup_epoch)
>>> net = nn.Dense(2, 3)
>>> optim = nn.SGD(net.trainable_params(), learning_rate=lr)