def _generate_poly_lr(lr_init, lr_end, lr_max, total_steps, warmup_steps): lr_each_step = [] if warmup_steps != 0: inc_each_step = (float(lr_max) - float(lr_init)) / float(warmup_steps) else: inc_each_step = 0 for i in range(total_steps): if i < warmup_steps: lr = float(lr_init) + inc_each_step * float(i) else: base = (1.0 - (float(i) - float(warmup_steps)) / (float(total_steps) - float(warmup_steps))) lr = float(lr_max) * base * base if lr < 0.0: lr = 0.0 lr_each_step.append(lr) return lr_each_step

这是一个用于生成多项式学习率（polynomial learning rate）的函数。它接受以下参数：lr_init（初始学习率）、lr_end（最终学习率）、lr_max（最大学习率）、total_steps（总步数）和warmup_steps（预热步数）。

首先，根据预热步数计算每一步的学习率增量（inc_each_step）。如果预热步数不为0，则将最大学习率与初始学习率之间的差值平均分配到预热步数中。如果预热步数为0，则学习率增量为0。

然后，通过循环生成每一步的学习率。如果当前步数小于预热步数，使用初始学习率加上学习率增量乘以当前步数。否则，根据多项式学习率的公式计算学习率，其中base是一个关于当前步数的线性衰减函数。如果计算得到的学习率小于0，则将其设为0。

最后，将每一步的学习率添加到lr_each_step列表中，并返回该列表。

注意：在代码中存在一些未定义的变量（如base），你可能需要提供这些定义。