tf.train.exponential_decay（学习率衰减）的使用

最新推荐文章于 2025-06-27 17:13:58 发布

梦沁清风

最新推荐文章于 2025-06-27 17:13:58 发布

阅读量3.1k

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习

本文链接：https://blog.youkuaiyun.com/sinat_31337047/article/details/82779781

深度学习专栏收录该内容

8 篇文章

订阅专栏

本示例使用TensorFlow实现学习率的指数衰减，并通过Matplotlib绘制学习率随训练步数变化的趋势图。代码展示了如何定义变量、设置学习率衰减策略以及可视化学习率的变化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import tensorflow as tf
import matplotlib.pyplot as plt
sess=tf.Session()
learning_rate=0.001
groable=tf.Variable(tf.constant(0))
lrate=tf.train.exponential_decay(learning_rate,groable,100,0.89)
# optmi=tf.train.GradientDescentOptimizer(lrate)  优化器中引用此学习率
x=[]
y=[]
for i in range(3000):
    lr=sess.run(lrate,{groable:i})
    x.append(i)
    y.append(lr)
plt.figure(1)
plt.plot(x, y, 'r-')  # staircase=False
plt.show()