DalšíDalší průvodce
Snížení stavu optimalizátoru na CPU a NVMe
Technický
Technický PRŮVODCE
Lookahead a Lion jsou dva moderní obraty v optimalizaci neuronové sítě.
Poslechněte si tento návodAI-vyprávěný · ~2 min
Lookahead wraps any base optimizer with 'slow' and 'fast' weights for more stable progress, while Lion (EvoLved Sign Momentum) was discovered by an AI program search and updates weights using only the sign of a momentum term — making it memory-light and often faster than Adam.
Lookahead, navržený Zhangem, Hintonem a kolegy v roce 2019, spouští standardní „rychlý“ optimalizátor (jako Adam nebo SGD) pro k kroků a poté posouvá samostatnou sadu „pomalých“ závaží o zlomek cesty k tomu, kde rychlé váhy skončily. To tlumí oscilace a snižuje citlivost na hyperparametry. Lion, publikovaný Google v roce 2023, vyšel ze symbolického hledání programu přes optimalizační algoritmy. Sleduje hybnost, ale na aktualizaci aplikuje funkci znaménka, takže se každý parametr pohybuje o pevnou velikost kroku ve směru znaménka akumulovaného gradientu. Lion uchovává pouze hybnostní vyrovnávací paměť (poloviční stav Adama, který si ponechává dva), používá větší úbytek hmotnosti a menší rychlost učení a vyrovnal nebo porazil Adama na velkých modelech vidění a jazyka, zatímco trénoval rychleji a levněji.
Zabalte Adama s Lookahead, abyste stabilizovali trénink transformátorů a snížili úsilí o ladění hyperparametrů.
Použití Lion k trénování velkých modelů vidění (např. ViT) s nižší pamětí optimalizátoru než Adam.
Předtrénování jazykových modelů pomocí Lion pro dosažení srovnatelné přesnosti při nižších nákladech na výpočet.
Kombinace Lookahead s SGD v agentech posilujícího učení pro hladké aktualizace zásad hluku.
Lion byl přijat v několika rozsáhlých školeních, protože omezuje paměť optimalizátoru a může urychlit konvergenci, a jeho objev předvádí automatizované vyhledávání pomocí algoritmu „AI-designing-AI“ jako skutečný zdroj praktických přínosů. Očekávejte více optimalizátorů odvozených z vyhledávání, hybridní schémata, která kombinují pomalé váhy ve stylu Lookahead s aktualizacemi založenými na znaménkách, a rostoucí zájem o optimalizátory s efektivní pamětí, protože velikosti modelů neustále zatěžují rozpočty paměti GPU.
Newsletter zdarma
Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.
Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.
Otestujte se
Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.
Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte
Lookahead a Lion jsou dva moderní obraty v optimalizaci neuronové sítě. Lookahead obaluje jakýkoli základní optimalizátor „pomalými“ a „rychlými“ váhami pro stabilnější pokrok, zatímco Lion (EvoLved Sign Momentum) byl objeven programem AI a aktualizuje váhy pouze pomocí znaménka hybnosti – díky tomu je nenáročný na paměť a často rychlejší než Adam.
Lion aplikuje znaménkovou funkci na interpolovaný člen hybnosti, takže každý parametr se pohybuje o jednotný krok ve směru znaménka gradientu.
Lookahead spustí rychlý vnitřní optimalizátor pro k kroků, poté přesune pomalá závaží o zlomek cesty směrem k rychlým závažím a resetům.
Lion (EvoLved Sign Momentum) vzešel z procedury vyhledávání programů, která vyvinula a vyhodnotila kandidátské optimalizační programy.
Adam sleduje první i druhý moment; Lion uchovává pouze jednu vyrovnávací paměť hybnosti, což zhruba o polovinu snižuje stav paměti optimalizátoru.
Protože funkce znaménka fixuje velikost aktualizace každé souřadnice, efektivní krok je velký, takže se používá menší rychlost učení (a větší úbytek hmotnosti).
Učte se dál
Pro toto téma bylo vybráno více průvodců
DalšíDalší průvodce
Snížení stavu optimalizátoru na CPU a NVMe
Technický