图示caffe的solver中不同的学习策略(lr_policy)
来源:互联网 发布:compareto java用法 编辑:程序博客网 时间:2024/06/03 02:32
在caffe源码的caffe-master/sec/caffe/proto/caffe.proto下记录了不同的学习策略的计算方法:
// The learning rate decay policy. The currently implemented learning rate // policies are as follows: // - fixed: always return base_lr. // - step: return base_lr * gamma ^ (floor(iter / step)) // - exp: return base_lr * gamma ^ iter // - inv: return base_lr * (1 + gamma * iter) ^ (- power) // - multistep: similar to step but it allows non uniform steps defined by // stepvalue // - poly: the effective learning rate follows a polynomial decay, to be // zero by the max_iter. return base_lr (1 - iter/max_iter) ^ (power) // - sigmoid: the effective learning rate follows a sigmod decay // return base_lr ( 1/(1 + exp(-gamma * (iter - stepsize)))) // // where base_lr, max_iter, gamma, step, stepvalue and power are defined // in the solver parameter protocol buffer, and iter is the current iteration.
fixed
参数:
base_lr: 0.01lr_policy: "fixed"max_iter: 400000
学习率曲线:
step
参数:
base_lr: 0.01lr_policy: "step"gamma: 0.1stepsize: 30max_iter: 100
学习率曲线:
exp
参数:
base_lr: 0.01lr_policy: "exp"gamma: 0.1max_iter: 100
学习率曲线:
参数 gamma 的值要小于1。当等于1的时候,学习策略变为了 fixed。由exp的学习率计算方式可以看出,在 gamma = 0.1 的情况下,学习率每迭代一次变为上一次迭代的0.1倍。
inv
参数:
base_lr: 0.01lr_policy: "inv"gamma: 0.1power: 0.75max_iter: 10000
学习率曲线:
由上图可以看出,参数 gamma 控制曲线下降的速率,而参数 power 控制曲线在饱和状态下学习率达到的最低值。
multistep
参数:
base_lr: 0.01lr_policy: "multistep"gamma: 0.5stepvalue: 1000stepvalue: 3000stepvalue: 4000stepvalue: 4500stepvalue: 5000max_iter: 6000
学习率曲线:
每一次学习率下降到之前的 gamma 倍。
poly
参数:
base_lr: 0.01lr_policy: "poly"power: 0.5max_iter: 10000
学习率曲线:
学习率曲线的形状主要由参数 power 的值来控制。当 power = 1 的时候,学习率曲线为一条直线。当 power < 1 的时候,学习率曲线是凸的,且下降速率由慢到快。当 power > 1 的时候,学习率曲线是凹的,且下降速率由快到慢。
sigmoid
参数:
base_lr: 0.01lr_policy: "sigmoid"gamma: -0.001stepsize: 5000max_iter: 10000
学习率曲线:
参数 gamma 控制曲线的变化速率。当 gamma < 0 时,才能控制学习率曲线呈下降趋势,而且 gamma 的值越小,学习率在两头变化越慢,在中间区域变化越快。
阅读全文
0 0
- 图示caffe的solver中不同的学习策略(lr_policy)
- caffe中设置学习率策略 lr_policy: "step"
- caffe中solver配置文件的解读
- caffe学习笔记(4):lr_policy之各模型形式的总结
- Caffe的Solver参数设置
- Caffe的Solver参数设置
- caffe的solver理解
- caffe的solver文件参数详解--caffe学习(2)
- caffe的solver参数调优--caffe学习(17)
- 【caffe】caffe的python接口学习:生成solver文件
- caffe中解析器solver中各参数的含义
- Caffe的solver参数介绍
- caffe的solver.prototxt设置
- caffe (五)----------solver的配置
- caffe的solver方法笔记
- Caffe的solver文件配置
- Caffe的solver文件配置
- caffe中base_lr、blobs_lr和lr_policy
- Android 使用代码实现一个选词(拖拽)填空题
- jenkins环境搭建
- 用axios发送请求,全局拦截请求,获取到错误
- mybatis-generator 代码自动生成工具
- 小米4c,5s 红米note4x 刷 Lineage OS
- 图示caffe的solver中不同的学习策略(lr_policy)
- GDI绘图基本,持续更新
- 阿里开发手册推荐需注意的细节
- Android编辑信息界面,组合控件的封装
- Hibernate 注解
- 多布局不小心出现的越界异常,定义getItemViewType 的返回值注意事项
- 企业数据总线(ESB)和注册服务管理(dubbo)的区别
- 手机网上商城-项目经验总结(十二)-filter定义权限拦截
- 新手看Java中的集合类(一)