一，等间隔调整学习率
步长相同，操作简单。
二，指定间隔调整学习率
自己指定，自由度高，但是可能不准
三，指数调整学习率
lr新 = lr旧 * 0.9 ^ epoch
占资源，剩下的全是优点，符合训练规律，前期快，后期慢
相关推荐
hsjiasb3 小时前
FreeRTOS学习（二十七）——任务栈与栈溢出检测小弥儿4 小时前
GitHub今日热榜 | 2026-08-16：大模型微调与编码工具扎堆xian_wwq6 小时前
【学习笔记】光伏“四可”装置纵密模块--配置方法和原理min(a,b)7 小时前
学习第17天：Agent Memory 与 MCP 协议lifallen7 小时前
模型不是函数：claude-cookbooks/misc 十四篇的公共底层lucky_syq9 小时前
第5篇 · S1·下：前沿架构：MoE、Reasoning 模型、长上下文、多模态、SSM/Mamba 与模型谱系日拱一卒的小田9 小时前
ZYNQ学习笔记3-ZYNQ的IIC控制器1xiaoxiangsiyan12 小时前
RHCE2026完整版全知识点清单Titan202413 小时前
Linux网络基础知识m4Rk_13 小时前
【论文阅读】Agent 记忆机制（41）：Agentic Plan Caching——将历史执行轨迹转化为可复用的计划记忆