【Pytorch】SGDR

pytorch中既自带了学习率函数，我们也可以自定义学习率调整函数。调整函数通常随epoch的变化而变化。首先实现自定义学习率调整：

自定义学习率调整

以SGDR余弦学习率调整为例：
论文地址：https://arxiv.org/abs/1608.03983

在pytorch中的训练代码：

# 第epoch值进行计算并更新学习率
def adjust_lr(optimizer, epoch, T_0=10, eta_max=0.1, eta_min=0.):if T_mul == 2:i = np.log2(epoch / T_0 + 1).astype(np.int)T_cur = epoch - T_0 * (T_mult ** (i) - 1)T_i = (T_0 * T_mult ** i)elif T_mul == 1:T_cur = epoch % T_0T_i = T_0cur_lr = eta_min + 0.5 * (eta_max - eta_min) * (1 + np.cos(np.pi * T_cur / T_i))for param_group in optimizer.param_groups:param_group['lr'] = cur_lroptimizer = optim.SGD(net.parameters(), lr=0.1, momentum=0.9, weight_decay=1e-4, nesterov=True)
for epoch in range(100):adjust_lr(optimizer, epoch)train()

Note: optimizer.param_groups保存为了优化器的参数信息，为一个列表，但是只有一个字典元素，字典里面具有参数信息。

pytorch自带的学习率函数

文档链接：https://pytorch.org/docs/stable/optim.html#torch.optim.lr_scheduler.CosineAnnealingLR

optimizer = optim.SGD(net.parameters(), lr=0.1, momentum=0.9, weight_decay=1e-4, nesterov=True)
lr_schduler = optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=300, eta_min=0)for epoch in range(100):lr_schduler.step(epoch)train()

常用的学习率调整策略还有：

（1）torch.optim.lr_scheduler.StepLR(optimizer, step_size, gamma=0.1, las
t_epoch=-1)

step_size(int)- 学习率下降间隔数，若为 30，则会在 30、 60、 90…个 step 时，将学习率调整为 lr*gamma。
gamma(float)- 学习率调整倍数，默认为 0.1 倍，即下降 10 倍。
last_epoch:表示上一轮是那个，接着上一轮继续开始

（2）torch.optim.lr_scheduler.MultiStepLR(optimizer, milestones, gamma
=0.1, last_epoch=-1)

milestones(list)- 一个 list，每一个元素代表何时调整学习率， list 元素必须是递增的。如 milestones=[30,80,120]

【Pytorch】SGDR相关推荐

【金融】【pytorch】使用深度学习预测期货收盘价涨跌——全连接神经网络模型构建与训练
[金融][pytorch]使用深度学习预测期货收盘价涨跌--全连接神经网络模型构建与训练模型构建与训练模型构建与训练 def get_accuracy(SR,GT,threshold=0.5):S ...
【金融】【pytorch】使用深度学习预测期货收盘价涨跌——LSTM模型构建与训练
[金融][pytorch]使用深度学习预测期货收盘价涨跌--LSTM模型构建与训练 LSTM 创建模型模型训练查看指标 LSTM 创建模型指标函数参考<如何用keras/tf/pytorc ...
【Pytorch】model.train() 和 model.eval() 原理与用法
文章目录一.两种模式二.功能 1. model.train() 2. model.eval() 为什么测试时要用 model.eval() ? 3. 总结与对比三.Dropout 简介参考链接 ...
【PyTorch】 tensor.squeeze压缩维度
[PyTorch] tensor.squeeze压缩维度 1.背景 2.squeeze方法 3.示例 1.背景 pytorch的tensor维度扩展.压缩是一个常见的操作, tensor维度扩展参见如 ...
【Pytorch】| Pytorch中softmax的dim的详细总结
[Pytorch]| Pytorch中softmax的dim的详细总结关于softmax的理解一维向量:dim=0和dim=-1结果相同,dim=1和dim=2会报错二维张量:dim=1和dim ...
【Pytorch】常见的人脸身份识别损失函数
[Pytorch]常见的人脸身份识别损失函数实验环境准备:人脸多角度多光照的图像数据集MUCT(276个受试者)+ MobileNetV3 说明:对于人脸身份数据集MUCT,是少样本数据集,应该使用 ...
【pytorch】过拟合的应对办法 —— 丢弃法（dropout）
文章目录一.什么是丢弃法,为什么丢弃法可以缓解过拟合? 二.丢弃法的手动实现三.丢弃法的pytorch实现参考关于过拟合.欠拟合的解释可以参考我的博文:[pytorch]过拟合和欠拟合详解,并 ...
【PyTorch】03数据处理
3 PyTorch数据处理 3.1 数据读取机制DataLoader与Dataset [PyTorch]2.1 DataLoader与Dataset epoch:对训练集的全部数据进行一次完整的训练, ...
【pytorch】——torch.hub
[pytorch]--torch.hub Facebook官方博客表示,PyTorch Hub是一个简易API和工作流程,为复现研究提供了基本构建模块,包含预训练模型库.并且,PyTorch Hub还 ...

【Pytorch】SGDR

自定义学习率调整

pytorch自带的学习率函数

【Pytorch】SGDR相关推荐

最新文章

热门文章