Lion

`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幅度，这与依赖二阶矩的其他自适应优化器（如 Adam）不同。这使得 Lion 更节省内存，因为它只跟踪动量。根据作者（参见参考文献），它相对于 Adam 的性能增益随批量大小的增加而增长。由于 Lion 的更新是通过符号操作产生的，导致范数更大，因此 Lion 的合适学习率通常比 AdamW 小 3-10 倍。Lion 的权重衰减反过来应该比 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，或不带参数并返回实际值的可调用对象。学习率。默认为 0.001。
beta_1：浮点数或常量浮点张量，或不带参数并返回实际值的可调用对象。用于组合当前梯度和一阶矩估计的比率。默认为 0.9。
beta_2：浮点数或常量浮点张量，或不带参数并返回实际值的可调用对象。一阶矩估计的指数衰减率。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，每个权重的梯度将单独裁剪，使其范数不高于此值。
clipvalue：浮点数。如果设置，每个权重的梯度将被裁剪，使其不高于此值。
global_clipnorm：浮点数。如果设置，所有权重的梯度将被裁剪，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（因为权重值在每个训练批次后都会改变）的指数移动平均，并定期用其移动平均覆盖权重。
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，我们都会用其移动平均覆盖模型变量。如果为 None，则优化器在训练过程中不会覆盖模型变量，您需要通过调用 optimizer.finalize_variable_values()（这将就地更新模型变量）在训练结束时显式覆盖变量。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比例因子乘以损失，并在更新变量之前将比例因子的倒数乘以梯度。有助于防止混合精度训练期间的下溢。另外，keras.optimizers.LossScaleOptimizer 将自动设置损失比例因子。
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个步骤都更新；相反，它们将每 gradient_accumulation_steps 步更新一次，使用自上次更新以来梯度的平均值。这称为“梯度累积”。当您的批次大小非常小时，这很有用，可以减少每个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 // gradient_accumulation_steps）。学习率调度将查看“实际”迭代值（优化器步骤）。

参考文献

Lion

Lion 类

Lion

Lion 类

`Lion` 类