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。

PR

小问题，全程线上修改...

一键搞定！

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

mindearth.core.get_warmup_cosine_annealing_lr

mindearth.core.get_warmup_cosine_annealing_lr(lr_init, steps_per_epoch, last_epoch, warmup_epochs=0, warmup_lr_init=0.0, eta_min=1e-06)

基于余弦衰减函数计算学习率。如果指定了 warmup epoch ，那么 warmup epoch 将通过线性退火进行预热。 对于第i步，余弦decayed_learning_rate[i]的计算公式为：

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

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

如果指定了 warmup epoch ，则对于 waramup epoch 中的第i步，warmup_learning_rate[i]的计算公式为：

$$warmup\mathrm{\_}learning\mathrm{\_}rate[i]=(lr\mathrm{\_}init-warmup\mathrm{\_}lr\mathrm{\_}init)\ast i/warmup\mathrm{\_}steps+warmup\mathrm{\_}lr\mathrm{\_}init$$

参数：

• lr_init (float) - 初始学习率，正浮点值。

• steps_per_epoch (int) - 每一轮迭代的训练步数，正整数。

• last_epoch (int) - 每个epoch的步数，正整数。

• warmup_epochs (int) - 预热总轮数，默认： 0 。

• warmup_lr_init (float) - 预热初始化学习率，默认： 0.0 。

• eta_min (float) - 最小学习率，默认： 1e-6 。

返回：

numpy.array，学习率数组。

异常：

• TypeError - 如果 lr_init 、 warmup_lr_init 或 eta_min 不是float。

• TypeError - 如果 steps_per_epoch 、 warmup_epochs 或 last_epoch 不是int。

支持平台：

Ascend GPU CPU

样例：

>>> from mindearth import get_warmup_cosine_annealing_lr
>>> lr_init = 0.001
>>> steps_per_epoch = 3
>>> last_epoch = 5
>>> warmup_epochs = 1
>>> lr = get_warmup_cosine_annealing_lr(lr_init, steps_per_epoch, last_epoch, warmup_epochs=warmup_epochs)
>>> print(lr)
[3.3333333e-04 6.6666666e-04 1.0000000e-03 9.0460398e-04 9.0460398e-04
9.0460398e-04 6.5485400e-04 6.5485400e-04 6.5485400e-04 3.4614600e-04
3.4614600e-04 3.4614600e-04 9.6396012e-05 9.6396012e-05 9.6396012e-05]