[ 组合替代实现 ]torch.optim.lr_scheduler.LambdaLR

torch.optim.lr_scheduler.LambdaLR

torch.optim.lr_scheduler.LambdaLR(optimizer,
                                lr_lambda,
                                last_epoch=-1,
                                verbose=False)

paddle.optimizer.lr.LambdaDecay

paddle.optimizer.lr.LambdaDecay(learning_rate,
                                lr_lambda,
                                last_epoch=-1,
                                verbose=False)

两者 API 功能一致, 参数用法不一致，PyTorch 是 Scheduler 实例持有 Optimizer 实例，Paddle 是 Optimizer 实例持有 Scheduler 实例。由于持有关系相反，因此 Paddle 使用 Optimizer.set_lr_scheduler 来设置这种持有关系。具体如下：

参数映射

PyTorch PaddlePaddle 备注
optimizer learning_rate PyTorch 的 optimizer 类型是 torch.optim.Optimizer，Paddle 的 learning_rate 类型是 float，两者功能上不直接一致，但可通过设置 leaning_rate = optimizer.get_lr() 来对应一致。
lr_lambda lr_lambda 表示 lambda 函数，其通过 epoch 计算出一个因子，该因子会乘以初始学习率。PyTorch 可以是 lambda 函数的列表， Paddle 只能表示 lambda 函数。当 PyTorch 是 lambda 函数的列表时，暂无转写方式。
last_epoch last_epoch 上一轮的轮数，重启训练时设置为上一轮的 epoch 数。参数完全一致。
verbose verbose 如果是 True，则在每一轮更新时在标准输出 stdout 输出一条信息。参数完全一致。

转写示例

# PyTorch 写法
linear = torch.nn.Linear(10, 10)
sgd = torch.optimizer.SGD(lr=0.5, parameters=linear.parameters())
scheduler = torch.optim.lr_scheduler.LambdaLR(optimizer=sgd, lr_lambda=lambda x:0.95**x)

# Paddle 写法
linear = paddle.nn.linear(10, 10)
sgd = paddle.optimizer.SGD(learning_rate=0.5, parameters=linear.parameters())
scheduler = paddle.optimizer.lr.LambdaDecay(learning_rate=sgd.get_lr(), lr_lambda=lambda x:0.95**x)
sgd.set_lr_scheduler(scheduler)