tf.train.piecewise_constant(
x,
boundaries,
values,
name=None
x:0-D,标量Tensor。必须是下列类型之一:float32, float64,uint8,int8,int16,int32,int64。
boundaries:tensors集合,ints或floats型,所有元素和x具有相同的类型。
values:tensors集合,ints或floats型,指定由boundaries定义的区间的值。它应该比boundaries多一个元素,并且所有元素应该具有相同的类型。
name:一个字符串。可选,操作的名称。默认为'PiecewiseConstant'。
返回:
一个0-D tensor。它的值是values[0] when x <= boundaries[0], values[1] when x > boundaries[0]和x <= boundaries[1]......,以及values-1] when x > boundaries[-1]。
x,
boundaries,
values,
name=None
)
定义于:tensorflow/python/training/learning_rate_decay.py。
边界和间隔值的分段常数。
示例:前100001步使用1.0的学习率,接下来的10000步的0.5的学习率,其他步骤的0.1的学习率。
global_step = tf.Variable(0, trainable=False)
boundaries = [100000, 110000]
values = [1.0, 0.5, 0.1]
learning_rate = tf.train.piecewise_constant(global_step, boundaries, values)
# Later, whenever we perform an optimization step, we increment global_step.
参数:x:0-D,标量Tensor。必须是下列类型之一:float32, float64,uint8,int8,int16,int32,int64。
boundaries:tensors集合,ints或floats型,所有元素和x具有相同的类型。
values:tensors集合,ints或floats型,指定由boundaries定义的区间的值。它应该比boundaries多一个元素,并且所有元素应该具有相同的类型。
name:一个字符串。可选,操作的名称。默认为'PiecewiseConstant'。
返回:
一个0-D tensor。它的值是values[0] when x <= boundaries[0], values[1] when x > boundaries[0]和x <= boundaries[1]......,以及values-1] when x > boundaries[-1]。