معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Cosine Annealing Linear Warmup

ویژگی	مقدار
سیستم عامل	-
نام فایل	cosine-warmup-0.0.0
نام	cosine-warmup
نسخه کتابخانه	0.0.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Arturo Ghinassi
ایمیل نویسنده	ghinassiarturo8@gmail.com
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/cosine-warmup/
مجوز	-

# Cosine Annealing Scheduler with Linear Warmup Implementation of a Cosine Annealing Scheduler with Linear Warmup and Restarts in PyTorch. \ It has support for multiple parameters groups and minimum target learning rates. \ Also works with the Lightning Modules! # Installation ```pip install 'git+https://github.com/santurini/cosine-annealing-linear-warmup'``` # Usage It is important to specify the parameters groups in the optimizer instantiation as the learning rates are directly inferred from the wrapped optimizer. #### Example: Multiple groups ``` from cosine_warmup import CosineAnnealingLinearWarmup optimizer = torch.optim.Adam([ {"params": first_group_params, "lr": 1e-3}, {"params": second_group_params, "lr": 1e-4}, ] ) scheduler = CosineAnnealingLinearWarmup( optimizer = optimizer, min_lrs = [ 1e-5, 1e-6 ], first_cycle_steps = 1000, warmup_steps = 500, gamma = 0.9 ) # this is equivalent to scheduler = CosineAnnealingLinearWarmup( optimizer = optimizer, min_lrs_pow = 2, first_cycle_steps = 1000, warmup_steps = 500, gamma = 0.9 ) ``` #### Example: Single groups ``` from cosine_linear_warmup import CosineAnnealingLinearWarmup optimizer = torch.optim.Adam(model.parameters(), lr=1e-3) scheduler = CosineAnnealingLinearWarmup( optimizer = optimizer, min_lrs = [ 1e-5 ], first_cycle_steps = 1000, warmup_steps = 500, gamma = 0.9 ) # this is equivalent to scheduler = CosineAnnealingLinearWarmup( optimizer = optimizer, min_lrs_pow = 2, first_cycle_steps = 1000, warmup_steps = 500, gamma = 0.9 ) ``` # Visual Example ![Unknown-2](https://user-images.githubusercontent.com/91251307/232208248-a1aa9546-39ff-4456-936a-4953a3cb0d27.png)

نیازمندی

مقدار	نام
>=1.7	torch

زبان مورد نیاز

مقدار	نام
>=3.8	Python

نحوه نصب

نصب پکیج whl cosine-warmup-0.0.0:

pip install cosine-warmup-0.0.0.whl

نصب پکیج tar.gz cosine-warmup-0.0.0:

pip install cosine-warmup-0.0.0.tar.gz