狮子

`Lion` 类

keras.optimizers.Lion(
    learning_rate=0.001,
    beta_1=0.9,
    beta_2=0.99,
    weight_decay=None,
    clipnorm=None,
    clipvalue=None,
    global_clipnorm=None,
    use_ema=False,
    ema_momentum=0.99,
    ema_overwrite_frequency=None,
    loss_scale_factor=None,
    gradient_accumulation_steps=None,
    name="lion",
    **kwargs
)

实现 Lion 算法的优化器。

Lion 优化器是一种随机梯度下降方法，它使用符号运算符来控制更新的大小，与其他自适应优化器（如 Adam）依赖于二阶矩不同。这使得 Lion 更节省内存，因为它只跟踪动量。根据作者的说法（参见参考），它在 Adam 上的性能提升随着批次大小的增加而增长。由于 Lion 的更新是通过符号运算生成的，导致更大的范数，Lion 的合适学习率通常比 AdamW 小 3-10 倍。Lion 的权重衰减应该相应地比 AdamW 大 3-10 倍，以保持相似的强度（lr * wd）。

参数

learning_rate: 浮点数，keras.optimizers.schedules.LearningRateSchedule 实例，或一个不接受参数并返回实际值的函数。学习率。默认为 0.001。
beta_1: 浮点值或常量浮点张量，或一个不接受参数并返回实际值的函数。将当前梯度与第一矩估计值组合的速率。默认为 0.9。
beta_2: 浮点值或常量浮点张量，或一个不接受参数并返回实际值的函数。第一矩估计值的指数衰减率。默认为 0.99。
name: 字符串。用于优化器创建的动量累加器权重的名称。
weight_decay: 浮点数。如果设置，则应用权重衰减。
clipnorm: 浮点数。如果设置，则对每个权重的梯度进行单独裁剪，使其范数不高于此值。
clipvalue: 浮点数。如果设置，则对每个权重的梯度进行裁剪，使其不高于此值。
global_clipnorm: 浮点数。如果设置，则对所有权重的梯度进行裁剪，使其全局范数不高于此值。
use_ema: 布尔值，默认为 False。如果为 True，则应用指数移动平均 (EMA)。EMA 包括计算模型权重的指数移动平均值（随着每次训练批次后的权重值发生变化），并定期用它们的移动平均值覆盖权重。
ema_momentum: 浮点数，默认为 0.99。仅在 use_ema=True 时使用。这是计算模型权重 EMA 时使用的动量：new_average = ema_momentum * old_average + (1 - ema_momentum) * current_variable_value。
ema_overwrite_frequency: 整数或 None，默认为 None。仅在 use_ema=True 时使用。每 ema_overwrite_frequency 步迭代，我们用其移动平均值覆盖模型变量。如果为 None，则优化器不会在训练过程中覆盖模型变量，您需要在训练结束时显式覆盖变量，方法是调用 optimizer.finalize_variable_values()（这将就地更新模型变量）。当使用内置的 fit() 训练循环时，这会在最后一个 epoch 之后自动发生，您无需执行任何操作。
loss_scale_factor: 浮点数或 None。如果为浮点数，则在计算梯度之前将缩放因子乘以损失，并在更新变量之前将缩放因子的倒数乘以梯度。对于防止混合精度训练期间的下溢有用。或者，keras.optimizers.LossScaleOptimizer 将自动设置损失缩放因子。
gradient_accumulation_steps: 整数或 None。如果为整数，则模型和优化器变量不会在每一步更新；而是每 gradient_accumulation_steps 步更新一次，使用自上次更新以来的梯度平均值。这被称为“梯度累积”。当您的批次大小非常小时，这可能很有用，以便减少每次更新步骤的梯度噪声。EMA 频率将查看“累积”迭代值（优化器步骤 // 梯度累积步骤）。学习率计划将查看“真实”迭代值（优化器步骤）。

参考文献

狮子

Lion 类

狮子

Lion 类

`Lion` 类