aaaaa

1.有序调整StepLR(等间隔调整学习率)torch.optim.lr_scheduler.StepLR(optimizer, step_size, gamma0.1)参数optimizer: 神经网络训练中使用的优化器如optimizertorch.optim.Adam(…)step_size(int): 学习率下降间隔数单位是epoch而不是iteration.gamma(float):学习率调整倍数默认为0.1每训练step_size个epoch学习率调整为lrlr*gamma.2.有序调整MultiStepLR(多间隔调整学习率)torch.optim.lr_shceduler.MultiStepLR(optimizer, milestones, gamma0.1)参数milestone(list): 一个列表参数表示多个学习率需要调整的epoch值如milestones[10, 30, 80].3.有序调整ExponentialLR (指数衰减调整学习率)torch.optim.lr_scheduler.ExponentialLR(optimizer, gamma)参数gamma(float)学习率调整倍数的底数指数为epoch初始值我lr, 倍数为γepoch4.有序调整CosineAnnealing (余弦退火函数调整学习率)torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max, eta_min0)参数 Tmax(int):学习率下降到最小值时的epoch数即当epochT_max时学习率下降到余弦函数最小值当epochT_max时学习率将增大etamin: 学习率调整的最小值即epochTmax时lrminetamin, 默认为0.2自适应调整依训练状况伺机而变通过监测某个指标的变化情况(loss、accuracy)当该指标不怎么变化时就是调整学习率的时机(ReduceLROnPlateau); 3自定义调整通过自定义关于epoch的lambda函数调整学习率(LambdaLR)。1.自适应调整ReduceLROnPlateau (根据指标调整学习率)当某指标(loss或accuracy)在最近几个epoch中都没有变化(下降或升高超过给定阈值)时调整学习率。torch.optim.lr_scheduler.ReduceLROnPlateau(optimizer, modemin, factor0.1, patience10,verboseFalse, threshold0.0001, threshold_moderel, cooldown0, min_lr0, eps1e-08)2.自定义调整LambdaLR (自定义调整学习率)可以为不同层设置不同的学习率torch.optim.lr_scheduler.LambdaLR(optimizer, lr_lambda)参数lr_lambda(function or list): 自定义计算学习率调整倍数的函数通常时epoch的函数当有多个参数组时设为list.