pointnet++学习笔记3

def get_learning_rate(batch):
    learning_rate = tf.train.exponential_decay(
                        BASE_LEARNING_RATE,  # Base learning rate.
                        batch * BATCH_SIZE,  # Current index into the dataset.
                        DECAY_STEP,          # Decay step.
                        DECAY_RATE,          # Decay rate.
                        staircase=True)
    learning_rate = tf.maximum(learning_rate, 0.00001) # CLIP THE LEARNING RATE!
    return learning_rate   

在Tensorflow中，为解决设定学习率(learning rate)问题，提供了指数衰减法来解决。
通过tf.train.exponential_decay函数实现指数衰减学习率。
步骤：1.首先使用较大学习率(目的：为快速得到一个比较优的解);

             2.然后通过迭代逐步减小学习率(目的：为使模型在训练后期更加稳定);

这里用到的是exponential_decay()这个函数，下面解释一下具体的参数意义：

BASE_LEARNING_RATE为基础的学习率，也就是最开始初始化的学习率的值。

batch*BATCH_SIZE当前在数据中的索引值。

DECAY_STEP为衰减的速度。

DECAY_RATE为衰减的系数也就是步长。

staircase为使用阶梯的衰减方式。

 learning_rate = tf.maximum(learning_rate, 0.00001) # CLIP THE LEARNING RATE!

在学习的过程中如果学习率的值小于0.00001则将学习率设置为0.00001。为了防止刚开始时学习速率过慢。