文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.nn.cosine_decay_lr

mindspore.nn.cosine_decay_lr(min_lr, max_lr, total_step, step_per_epoch, decay_epoch)

基于余弦衰减函数计算学习率。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decayed_learning_rate[i]的公式为：

$$decayed\mathrm{\_}learning\mathrm{\_}rate[i]=min\mathrm{\_}lr+0.5\ast (max\mathrm{\_}lr-min\mathrm{\_}lr)\ast (1+cos(\frac{current\mathrm{\_}epoch}{decay\mathrm{\_}epoch}\pi ))$$

其中 $current\mathrm{\_}epoch=floor(\frac{i}{step\mathrm{\_}per\mathrm{\_}epoch})$。

参数：

• min_lr (float) - 学习率的最小值。

• max_lr (float) - 学习率的最大值。

• total_step (int) - step总数。

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

• decay_epoch (int) - 进行衰减的epoch数。

返回：

list[float]。列表大小为 total_step。

异常：

• TypeError - min_lr 或 max_lr 不是float。

• TypeError - total_step 或 step_per_epoch 或 decay_epoch 不是int。

• ValueError - max_lr 不大于0或 min_lr 小于0。

• ValueError - total_step 或 step_per_epoch 或 decay_epoch 小于0。

• ValueError - max_lr 大于或等于 min_lr。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore.nn as nn
>>>
>>> min_lr = 0.01
>>> max_lr = 0.1
>>> total_step = 6
>>> step_per_epoch = 2
>>> decay_epoch = 2
>>> lr = nn.cosine_decay_lr(min_lr, max_lr, total_step, step_per_epoch, decay_epoch)
>>> net = nn.Dense(2, 3)
>>> optim = nn.SGD(net.trainable_params(), learning_rate=lr)