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
)
实现了 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，这与其他自适应优化器（如依赖于二阶矩的 Adam）不同。这使得 Lion 更节省内存，因为它仅跟踪动量。根据作者（参见参考文献），它相对于 Adam 的性能增益随着批量大小的增加而增长。由于 Lion 的更新是通过符号运算产生的，导致范数更大，因此 Lion 的合适学习率通常比 AdamW 的学习率小 3-10 倍。Lion 的权重衰减应反过来比 AdamW 的权重衰减大 3-10 倍，以保持相似的强度 (lr * wd)。
参数
- learning_rate: 一个浮点数，一个
keras.optimizers.schedules.LearningRateSchedule实例，或一个不接受任何参数并返回实际使用值的可调用对象。学习率。默认为0.001。 - beta_1: 一个浮点数值或一个常数浮点张量，或一个不接受任何参数并返回实际使用值的可调用对象。用于组合当前梯度和一阶矩估计的比率。默认为
0.9。 - beta_2: 一个浮点数值或一个常数浮点张量，或一个不接受任何参数并返回实际使用值的可调用对象。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，则每个权重的梯度都会被单独裁剪，使其范数不高于此值。
- clipvalue: 浮点数。如果设置，则每个权重的梯度都会被裁剪为不高于此值。
- global_clipnorm: 浮点数。如果设置，则所有权重的梯度都会被裁剪，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 包括计算模型权重的指数移动平均值（随着权重值在每个训练批次后发生变化），并定期用其移动平均值覆盖权重。 - ema_momentum: 浮点数，默认为 0.99。仅当
use_ema=True时使用。这是在计算模型权重的 EMA 时要使用的动量：new_average = ema_momentum * old_average + (1 - ema_momentum) * current_variable_value。 - ema_overwrite_frequency: 整数或 None，默认为 None。仅当
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通过调用optimizer.finalize_variable_values()显式覆盖变量（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 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，比例因子将乘以损失，并且在更新变量之前，比例因子的倒数将乘以梯度。有助于防止混合精度训练期间的下溢。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个步骤更新；相反，它们将在每gradient_accumulation_steps步更新，使用自上次更新以来梯度的平均值。这被称为“梯度累积”。当您的批量大小非常小时，这可能很有用，以便减少每个更新步骤的梯度噪声。EMA 频率将查看“累积”迭代值（优化器步数 // gradient_accumulation_steps）。学习率 schedules 将查看“实际”迭代值（优化器步数）。
参考文献