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，与 Adam 等其他自适应优化器依赖于二阶矩不同，它使用符号运算符来控制更新的幅度。这使得 Lion 更节省内存，因为它只跟踪动量。根据作者（参见参考资料），其相对于 Adam 的性能提升随批次大小的增加而增大。由于 Lion 的更新是通过符号运算产生的，导致范数较大，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，一个 keras.optimizers.schedules.LearningRateSchedule 实例，或者一个无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，或者一个无参数并返回实际值的可调用对象。用于结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，或者一个无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。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分别进行裁剪，使其范数不高于此值。
clipvalue: 浮点数。如果设置，则将每个权重的梯度裁剪到不高于此值。
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（随着每个训练批次后权重值的变化），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。每隔 ema_overwrite_frequency 迭代步数，我们会用模型的移动平均值覆盖模型变量。如果为 None，优化器不会在训练过程中覆盖模型变量，你需要通过调用 optimizer.finalize_variable_values()（它会就地更新模型变量）在训练结束时显式覆盖变量。使用内置的 fit() 训练循环时，这会在最后一个 epoch 后自动发生，你无需做任何事情。
loss_scale_factor: 浮点数或 None。如果为浮点数，在计算梯度之前，损失函数将乘以缩放因子；在更新变量之前，梯度将乘以缩放因子的倒数。这有助于防止在混合精度训练中出现下溢。另外，keras.optimizers.LossScaleOptimizer 会自动设置损失缩放因子。
gradient_accumulation_steps: 整数或 None。如果为整数，模型和优化器变量不会在每个步骤更新；相反，它们将每隔 gradient_accumulation_steps 步更新一次，使用自上次更新以来梯度的平均值。这被称为“梯度累积”。当批次大小非常小，需要减少每次更新步骤的梯度噪声时，这会非常有用。EMA 频率将查看“累积”迭代次数值（优化器步数 // gradient_accumulation_steps）。学习率调度器将查看“实际”迭代次数值（优化器步数）。

参考资料

Lion

Lion 类

Lion

Lion 类

`Lion` 类