mindspore.nn.PolynomialDecayLR
====================================

.. image:: https://mindspore-website.obs.cn-north-4.myhuaweicloud.com/website-images/r2.2/resource/_static/logo_source.svg
    :target: https://gitee.com/mindspore/mindspore/blob/r2.2/docs/api/api_python/nn/mindspore.nn.PolynomialDecayLR.rst
    :alt: 查看源文件


.. py:class:: mindspore.nn.PolynomialDecayLR(learning_rate, end_learning_rate, decay_steps, power, update_decay_steps=False)

    基于多项式衰减函数计算学习率。

    对于当前step，计算学习率的公式为：

    .. math::
        decayed\_learning\_rate = &(learning\_rate - end\_learning\_rate) *\\
        &(1 - tmp\_step / tmp\_decay\_steps)^{power}\\
        &+ end\_learning\_rate

    其中，

    .. math::
        tmp\_step= \min(current\_step, decay\_steps)

    如果 `update_decay_steps` 为 ``true`` ，则每 `decay_steps` 更新 :math:`tmp\_decay\_steps` 的值。公式为：

    .. math::
        tmp\_decay\_steps = decay\_steps * ceil(current\_step / decay\_steps)

    参数：
        - **learning_rate** (float) - 学习率的初始值。
        - **end_learning_rate** (float) - 学习率的最终值。
        - **decay_steps** (int) - 进行衰减的step数。
        - **power** (float) - 多项式的幂，必须大于0。
        - **update_decay_steps** (bool) - 如果为 ``True`` ，则学习率每 `decay_steps` 次衰减一次。默认值： ``False`` 。

    输入：
        - **global_step** (Tensor) - 当前step数，即current_step，shape为 :math:`()`。

    输出：
        标量Tensor。当前step的学习率值。

    异常：
        - **TypeError** - `learning_rate`, `end_learning_rate` 或 `power` 不是float。
        - **TypeError** - `decay_steps` 不是int或 `update_decay_steps` 不是bool。
        - **ValueError** - `end_learning_rate` 小于0或 `decay_steps` 小于1。
        - **ValueError** - `learning_rate` 或 `power` 小于或等于0。