Cosine LR Schedule

학습률을 코사인 곡선을 따라 lr_max 에서 lr_min 으로 감소시키는 스케줄. 현대 딥러닝 훈련의 표준.

$\eta_t = \eta_{\min} + \tfrac{1}{2}(\eta_{\max} - \eta_{\min})\big(1 + \cos(\pi \cdot t / T)\big)$

• $t = 0$: $\eta = \eta_{\max}$ (시작)
• $t = T$: $\eta = \eta_{\min}$ (끝)
• 중간: 매끄럽게 감소, 초기는 빠르지 않고 후반이 빠르게 식음

선형 스케줄과 비교: 초반 warm phase 가 자연스럽게 길어져 안정적, 후반 annealing 효과 뚜렷.

과제

함수 cosine_lr(t, T, lr_max, lr_min) 을 완성하세요.

• t: 스칼라 또는 배열 (현재 스텝).
• T: 총 스텝 수.
• lr_max, lr_min: float.
• 반환: 같은 shape의 학습률.

테스트 케이스