tf.train.exponential_decay(学习率衰减)的使用

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()

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值