mindflow.common.get_warmup_cosine_annealing_lr

mindflow.common.get_warmup_cosine_annealing_lr(lr_init, steps_per_epoch, last_epoch, warmup_epochs=0, warmup_lr_init=0.0, eta_min=1e-6)

基于余弦函数生成衰减学习率数组。如果指定了预热epoch，将通过线性方法对预热epoch进行预热。 对于第 i 步，计算余弦衰减的学习速率decayed_learning_rate[i]的表达式为:

\[decayed\_learning\_rate[i] = eta\_min + 0.5 * (lr\_init - eta\_min) * (1 + cos(\frac{current\_epoch}{last\_epoch}\pi))\]

其中 \(current\_epoch = floor(\frac{i}{steps\_per\_epoch})\) .

如果指定了预热epoch，对于预热epoch的第 i 步，预热学习速率的计算表达式warmup_learning_rate[i]为：

\[warmup\_learning\_rate[i] = (lr\_init - warmup\_lr\_init) * i / warmup\_steps + warmup\_lr\_init\]

参数：

• lr_init (float) - 初始学习速率，正值。

• steps_per_epoch (int) - 每个epoch的步数，正值。

• last_epoch (int) - 总epoch的数量，正值。

• warmup_epochs (int) - 热身epoch的数量，默认： 0。

• warmup_lr_init (float) - 热身初始学习速率，默认： 0.0。

• eta_min (float) - 学习速率最小值，默认： 1e-6。

返回：

Numpy.array，学习率数组。

异常：

• TypeError - 如果 lr_init 或 warmup_lr_init 不是float。

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