问题标签 [learning-rate]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python-3.x - Pytorch1.6 训练时的实际学习率是多少?
我想知道训练期间的实际学习率,这是我的代码。
输出为 0.001、0.0001、0.0001。那么在 optimizer.step() 期间实际的 lr 是什么?0.001 还是 0.0001?谢谢。
tensorflow - 如何在使用自定义学习率时解决“RuntimeError: Trying to eval in EAGER mode”?
我正在使用自定义学习率调度程序,但在尝试这样做时遇到了错误 RuntimeError: Trying to eval in EAGER mode。
我已经制作了一个用于计算一个时期的学习率的函数,并且我使用了 TensorFlow 提供的 LearningRateScheduler() 来实现该模型。
这是我解决上述问题的代码:
模型架构:
自定义学习率函数:
使用学习率:
python - Keras:加载具有学习率调度程序但引发值错误“不支持的类型”的图片分类模型() 到张量。
我剪掉了代码,因为它非常耐用,这里是学习率调度器的代码,模型使用该优化器。
这是模型保存代码。我在model.fit之后保存了它
加载模型代码在这里
这是我遇到的错误,在此屏幕截图中,我没有使用 GPU,但即使在控制台中使用 gpu 也会引发相同的错误。
我确实使用'tensorflowjs_converter'将model.h5文件转换为model.json,但它也无法加载模型。有没有办法在没有培训的情况下加载它并再次将其保存为 json 格式?
tensorflow - 如何在使用功能学习率调度程序的每个时期打印学习率?
我使用了自定义学习率调度程序。代码如下(与https://www.tensorflow.org/tutorials/text/transformer#optimizer相同)。
我正在使用model.fit。想在每个纪元结束时打印 lr 。
python - 从中获取学习率目的
如何获得每个更新的学习率值on_train_batch_begin
?
我试过这种方式
但我明白了<tensorflow.python.keras.optimizer_v2.learning_rate_schedule.CosineDecay object at 0x7f ...>
tensorflow - 使用 ExponentialDecay 调度器时在 TensorBoard 中可视化 learning_rate
使用时,keras.optimizers.schedules.ExponentialDecay()
我希望能够在 TensorBoard 上可视化学习率。使用learning_rate = tf.train.exponential_decay
它非常简单,添加tf.summary.scalar('learning_rate', learning_rate)
就足够了。
使用调度程序时如何做同样的事情keras.optimizers.schedules.ExponentialDecay()
?
python - tf.Keras 学习率计划——传递给优化器还是回调?
我只是想为我的第一个 CNN 设置一个学习率计划,我发现有多种方法可以这样做:
- 可以使用在回调中包含时间表
tf.keras.callbacks.LearningRateScheduler()
- 可以将其传递给优化器使用
tf.keras.optimizers.schedules.LearningRateSchedule()
现在我想知道是否有任何差异,如果有,它们是什么?如果没有区别,那么为什么存在这些替代方案呢?是否有历史原因(以及应该首选哪种方法)?
有人可以详细说明吗?
python - 根据迭代改变学习率
我正在尝试在 Keras 中为 SGD 编写一个自定义学习率调度程序,它会根据迭代改变学习率。然而,LearningRateScheduler CallBack 只接受一个只接受 epoch 的函数。我的学习率函数如下所示:
学习率 = base_learning_rate x (1 + gamma x 迭代)^(-power)
tensorflow - keras model.fit() 是否验证调用优化器?
我写了一个余弦退火LRScheduler:
我想知道学习率是否正确衰减,所以我写了一个指标来显示我的 lr:
输出是:
纪元 1/10 488/488 [===============================] - 51 秒 104 毫秒/步 - 损失:2.0970 - lr :2.5051e-05 - val_loss:1.3853 - val_lr:5.0000e-05
纪元 2/10 488/488 [===============================] - 50 秒 102 毫秒/步 - 损失:1.1636 - lr :7.5051e-05 - val_loss:1.2225 - val_lr:1.0000e-04
所以我想知道 keras model.fit() 是否验证调用优化器?我认为优化器应该只在训练阶段而不是在验证阶段被调用。