指數衰減

[來源]

ExponentialDecay 類別

keras.optimizers.schedules.ExponentialDecay(
    initial_learning_rate,
    decay_steps,
    decay_rate,
    staircase=False,
    name="ExponentialDecay",
)

一個使用指數衰減排程的 LearningRateSchedule。

當訓練模型時，隨著訓練進度降低學習率通常很有用。此排程將指數衰減函數應用於最佳化器步驟，並給定提供的初始學習率。

此排程是一個 1-arg 可呼叫物件，當傳遞目前最佳化器步驟時，會產生衰減的學習率。這對於在最佳化器函數的不同調用之間更改學習率值很有用。其計算方式如下

def decayed_learning_rate(step):
    return initial_learning_rate * decay_rate ^ (step / decay_steps)

如果參數 staircase 為 True，則 step / decay_steps 為整數除法，且衰減的學習率遵循階梯函數。

您可以將此排程直接傳遞到 keras.optimizers.Optimizer 作為學習率。 範例

當擬合 Keras 模型時，每 100000 步衰減，基底為

0.96

initial_learning_rate = 0.1
lr_schedule = keras.optimizers.schedules.ExponentialDecay(
    initial_learning_rate,
    decay_steps=100000,
    decay_rate=0.96,
    staircase=True)

model.compile(optimizer=keras.optimizers.SGD(learning_rate=lr_schedule),
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(data, labels, epochs=5)

學習率排程也可以使用 keras.optimizers.schedules.serialize 和 keras.optimizers.schedules.deserialize 進行序列化和反序列化。

參數

• initial_learning_rate：一個 Python 浮點數。初始學習率。
• decay_steps：一個 Python 整數。必須為正數。請參閱上面的衰減計算。
• decay_rate：一個 Python 浮點數。衰減率。
• staircase：布林值。如果為 True，則在離散間隔衰減學習率。
• name：字串。操作的選用名稱。預設為 "ExponentialDecay"。

返回

一個 1-arg 可呼叫學習率排程，它接受目前最佳化器步驟並輸出衰減的學習率，一個與 initial_learning_rate 類型相同的純量張量。