MVSNet系列网络概述

MVSNet论文解读

基于MVS的三维重建基础理论

#step_size epoch间隔大小，比如10 在10 20 ..会调整学习率，调整率是gamma
#last_epoch是指上一个epoch
torch.optim.lr_scheduler.StepLR(optimizer, step_size, gamma=0.1,
last_epoch=-1)

#milestones(list)-一个list，每一个元素代表何时调整学习率，list元素必须是递增的，
#调整率是gamma
#last_epoch是指上一个epoch
class torch.optim.lr_scheduler.MultiStepLR(optimizer, milestones, gamma=0.1,
last_epoch=-1

#last_epoch是指上一个epoch
torch.optim.lr_scheduler.ExponentialLR(optimizer, gamma, last_epoch=-1)

#last_epoch是指上一个epoch
#T_max(int)- 一次学习率周期的迭代次数，即T_max个epoch之后重新设置学习率。
#eta_min(float)- 最小学习率，即在一个周期中，学习率最小会下降到eta_min，默认值为0
torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max, eta_min=0,
last_epoch=-1)

torch.optim.lr_scheduler.ReduceLROnPlateau(optimizer, mode='min',
factor=0.1, patience=10, verbose=False, threshold=0.0001,
threshold_mode='rel', cooldown=0, min_lr=0, eps=1e-08)
#参数
mode(str)- 模式选择，有 min和max两种模式，min表示当指标不再降低(如监测loss)，max表示当
指标不再升高(如监测accuracy)。
factor(float)- 学习率调整倍数(等同于其它方法的gamma)，即学习率更新为 lr = lr *
factor patience(int)- 直译——"耐心"，即忍受该指标多少个step不变化，当忍无可忍时，调整学
习率。注，可以不是连续5次。
verbose(bool)- 是否打印学习率信息， print('Epoch {:5d}: reducing learning rate'
' of group {} to {:.4e}.'.format(epoch, i, new_lr))
threshold(float)- Threshold for measuring the new optimum，配合threshold_mode
使用，默认值1e-4。作用是用来控制当前指标与best指标的差异。
cooldown(int)- “冷却时间“，当调整学习率之后，让学习率调整策略冷静一下，让模型再训练一段
时间，再重启监测模式。
min_lr(float or list)- 学习率下限，可为float，或者list，当有多个参数组时，可用list进
行设置。
eps(float)- 学习率衰减的最小值，当学习率变化小于eps时，则不调整学习率

#last_epoch是指上一个epoch
#lr_lambda(function or list)-一个计算学习率调整倍数的函数，输入通常为step，当有多个参
数组时，设为list。
torch.optim.lr_scheduler.LambdaLR(optimizer, lr_lambda, last_epoch=-1)