[ 组合替代实现 ]torch.optim.lr_scheduler.LinearLR¶
torch.optim.lr_scheduler.LinearLR¶
torch.optim.lr_scheduler.LinearLR(optimizer, start_factor=0.3333333333333333, end_factor=1.0, total_iters=5, last_epoch=-1, verbose=False)
paddle.optimizer.lr.LinearLR¶
paddle.optimizer.lr.LinearLR(learning_rate, total_steps, start_factor=1. / 3, end_factor=1.0, 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。 |
| start_factor | start_factor | 初始学习率因子。 |
| end_factor | end_factor | 最终学习率因子。 |
| total_iters | total_steps | 学习率从初始学习率线性增长到最终学习率所需要的步数，仅参数名不一致。 |
| last_epoch | last_epoch | 上一轮的轮数，重启训练时设置为上一轮的 epoch 数。 |
| 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。 |
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.LinearLR(optimizer=sgd)
# Paddle 写法
linear = paddle.nn.linear(10, 10)
sgd = paddle.optimizer.SGD(learning_rate=0.5, parameters=linear.parameters())
scheduler = paddle.optimizer.lr.LinearLR(learning_rate=sgd.get_lr(), total_steps=5)
sgd.set_lr_scheduler(scheduler)