mindspore.nn.warmup_lr
- 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_step 或 step_per_epoch 或 decay_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)