pytorch优化器动态学习率和动量设置(scheduler & momentum)
2022/7/22 23:26:46
本文主要是介绍pytorch优化器动态学习率和动量设置(scheduler & momentum),对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
一、动量(momentum)
可以给优化器加上一个动量,可以有效缓解局部最优问题。
原理上就是让优化过程从
W = W - lr * dW
变成
V = momentum * V - lr * dW
W = W + V
使用示例:
from torch import optim ... model = Model() optimizer = optim.SGD(model.parameters(), lr=0.005, momentum=0.9) ...
二、优化器动态学习率设置(scheduler)
可以让学习率随着epoch的增大而减小,此处以ExponentialLR为例
使用示例:
from torch.optim.lr_scheduler import ExponentialLR ... optimizer = optim.SGD(catp.parameters(), lr=0.005, momentum=0.9) scheduler = ExponentialLR(optimizer, gamma=0.99) for epoch in range(epochs): for i, batch_data in enumerate(dataloader): loss = ... optimizer.zero_grad() loss.backward() optimizer.step() scheduler.step() ...
这篇关于pytorch优化器动态学习率和动量设置(scheduler & momentum)的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-05-29Elasticsearch慢查询日志配置
- 2024-05-29揭秘华为如此多成功项目的产品关键——Charter模板
- 2024-05-29海外IDC业务拓展的7大挑战
- 2024-05-29InLine Chat功能优化对标Github Copilot,CodeGeeX带来更高效、更直观的编程体验!
- 2024-05-29CodeGeeX 智能编程助手 6 项功能升级,在Visual Studio插件市场霸榜2周!
- 2024-05-29AutoMQ 生态集成 Apache Doris
- 2024-05-292024年IDC行业的深度挖掘:机遇、挑战与未来展望
- 2024-05-29五款扩展组件齐发 —— Volcano、Keda、Crane-scheduler 等,邀你体验
- 2024-05-29AutoMQ 对象存储数据高效组织的秘密: Compaction
- 2024-05-29活动预告|来 GIAC 大会听大数据降本利器:AutoMQ 基于云原生重新设计的 Kafka