2

我需要每 10 个时期应用一次学习率的指数衰减。初始学习率为0.000001，衰减因子为0.95

这是设置它的正确方法吗？

lr_schedule = tf.keras.optimizers.schedules.ExponentialDecay(
        initial_learning_rate=0.000001, 
        decay_steps=(my_steps_per_epoch*10), 
        decay_rate=0.05)
opt = tf.keras.optimizers.SGD(learning_rate=lr_schedule, momentum=0.9)

指数衰减的公式current_lr = initial_lr * (1 - decay_factor)^t 除了在代码中实现为：

decayed_learning_rate = learning_rate *
                      decay_rate ^ (global_step / decay_steps)

据我所知，在我的情况下，decay_rate应该1 - decay_factor并且decay_steps应该意味着在应用衰减之前执行了多少步骤my_steps_per_epoch*10。那是对的吗？

编辑：

如果我在第 10 个时期之后暂停并保存我的模型（使用回调），然后通过加载模型并model.fit使用initial_epoch=10and调用来恢复epochs=11，它会在第 11 个时期开始并应用指数衰减吗？

4

1 回答 1

1

decay_steps可用于说明在多少步（处理过的批次）之后您将衰减学习率。我发现仅指定初始和最终学习率并通过以下方式自动计算衰减因子非常有用：

initial_learning_rate = 0.1
final_learning_rate = 0.0001
learning_rate_decay_factor = (final_learning_rate / initial_learning_rate)**(1/epochs)
steps_per_epoch = int(train_size/batch_size)

lr_schedule = tf.keras.optimizers.schedules.ExponentialDecay(
                initial_learning_rate=initial_learning_rate,
                decay_steps=steps_per_epoch,
                decay_rate=learning_rate_decay_factor,
                staircase=True)
于 2021-04-19T11:33:08.593 回答