如何实现学习率每个epoch，衰减50%

在深度学习模型中，我们可以通过设置学习率（learning rate）来控制模型的训练效果。常见的学习率衰减方式是每个epoch后将学习率减半，以下是一种实现方式：

from keras.callbacks import LearningRateScheduler

def lr_scheduler(epoch, lr):
    """
    学习率衰减函数
    :param epoch: 当前epoch数
    :param lr: 当前学习率
    :return: 更新后的学习率
    """
    if epoch % 1 == 0 and epoch != 0:
        lr = lr / 2
    return lr

# 在训练过程中使用 LearningRateScheduler 回调函数来实现学习率的调整
lr_scheduler_callback = LearningRateScheduler(lr_scheduler)
model.fit(X_train, y_train, callbacks=[lr_scheduler_callback])

在上述代码中，我们定义了一个学习率衰减函数 `lr_scheduler()`，其中 `epoch` 表示当前的epoch数，`lr` 表示当前的学习率。如果 `epoch` 可以被2整除并且不等于0，则将学习率除以2，最终返回更新后的学习率。然后我们将这个学习率衰减函数作为参数传递给 `LearningRateScheduler` 回调函数，在训练过程中每个epoch都会调用该函数来更新学习率。