当 vw LDA 使用 `--save_resume` 运行时，学习率是否会在传递之间自动降低

vowpal wabbit (vw) 支持使用 --save_resume 进行核外学习。这就是 --help 选项告诉最终用户有关 --save_resume 选项的内容：

--save_resume                         save extra state so learning can be 
                                        resumed later with new data

我有一个庞大的实时数据集，目前有数亿个文档被分类为 1024 个批次，我的目标是在所有批次上训练 LDA 模型，为此我运行了一个调用 vw 的脚本，例如这个（注意我没有设置--passes，所以每个数据点只看到一次）。

初始调用：

vw -d clean.txt --lda 100 --lda_D 307000000 -f weights --readable_model lda.model.vw

后续调用（clean.txt 的内容在调用之间发生变化）：

vw -d clean.txt --lda 100 --lda_D 307000000 --save_resume -i weights -f weights --readable_model lda.model.vw

我已经以这种方式通过 vw 成功运行了所有批次，但是从每次调用中 vw 给出的输出来看，学习率似乎从未下降，它始终如下所示：

learning rate = 0.5
initial_t = 0
power_t = 0.5

我会猜到在请求 --save_resume 时会保存学习率，并且 vw 在看到更多数据时会自动降低学习率，但事实似乎并非如此，对吗？

您是否必须使用vovpal wabbit 手动管理学习率？

LDA 的学习率似乎是基于全局学习率计算的（但与全局学习率分开存储）。 LDA 的学习/衰减率似乎没有打印在任何地方，因此您不会在日志中看到它们。