SelanjutnyaPanduan berikutnya
Cara Mengatasi Jet Lag Dengan Jadwal AI
Aplikasi
PANDUAN Teknis
Jadwal Pemanasan dan Cosine Annealing
Pemanasan dengan lembut meningkatkan kecepatan pembelajaran dari mendekati nol sebelum pelatihan, kemudian anil kosinus dengan lancar menurunkannya kembali mengikuti kurva kosinus.
Dengarkan panduan iniDiceritakan oleh AI · ~2 min
Di halaman ini2 menit membaca
Ikhtisar
Together they stabilize early training and squeeze out better final accuracy, which is why nearly every modern transformer is trained this way.
Menyelam Lebih Dalam
Saat pelatihan dimulai, bobot model bersifat acak dan gradien bisa sangat besar, jadi melompat langsung ke kecepatan pemelajaran yang besar sering kali menyebabkan lonjakan atau divergensi kerugian — terutama dengan pengoptimal adaptif seperti Adam, yang estimasi variansnya tidak dapat diandalkan pada langkah pertama. Pemanasan memperbaikinya dengan meningkatkan kecepatan secara linear dalam beberapa ratus hingga beberapa ribu langkah. Setelah model berada pada pijakan yang stabil, anil kosinus mengambil alih, menurunkan laju menjadi 0,5 * (1 + cos(pi * t / T)) dari puncaknya. Bentuk kosinus menjaga laju tetap tinggi di awal untuk kemajuan yang cepat, kemudian berkurang secara bertahap sehingga pengoptimal dapat mencapai nilai minimum yang baik alih-alih terpental ke sekitarnya.
Implementasi Dunia Nyata
Model bahasa gaya GPT dan gaya BERT menggunakan pemanasan linier pada ~1-2% langkah pertama yang diikuti dengan peluruhan kosinus hingga mendekati nol.
Vision transformer (ViT) dilatih dengan cosine annealing dan pemanasan singkat untuk menghindari divergensi awal di ImageNet.
Hugging Face Transformers menawarkan `get_cosine_schedule_with_warmup` sebagai penjadwal satu baris untuk menyempurnakan pekerjaan.
Difusi Stabil dan model difusi lainnya disempurnakan dengan pemanasan untuk mencegah ledakan gradien saat mengadaptasi beban yang telah dilatih sebelumnya.
Masa Depan Jadwal Pemanasan dan Cosine Annealing
Pemanasan-plus-kosinus tetap menjadi resep default untuk model bahasa besar, namun variannya menyebar. Warmup-stable-decay (WSD) mempertahankan laju konstan, lalu menurun tajam di akhir, sehingga mudah untuk memperpanjang proses tanpa harus berkomitmen ulang pada panjang yang tetap. Para peneliti juga mempelajari mengapa pemanasan berhasil – menghubungkannya dengan kebisingan gradien dan hilangnya kelengkungan lanskap – dan alat semakin menyempurnakan durasi pemanasan dan kecepatan puncak secara otomatis, sehingga mengurangi proses coba-coba manual yang mendominasi saat ini.
Mempraktikkannya
Mengapa itu penting
- Biaya dan anggaran. Keputusan arsitektur mendorong kinerja dan biaya pengoperasian selama bertahun-tahun.
- Keputusan yang lebih jelas. Pendidikan teknis membantu tim memilih tumpukan yang tepat, bukan hanya yang terbaru.
- Kontrol kualitas. Pilihan teknik yang lebih baik mengurangi insiden keandalan dalam produksi.
Hati-hati
- Mengoptimalkan satu tolok ukur dapat menyembunyikan kelemahan sistem yang lebih luas.
- Biaya infrastruktur dan pemeliharaan sering kali diremehkan.
- Kesenjangan keamanan dan kemampuan observasi dapat tumbuh seiring dengan semakin kompleksnya sistem.
Langkah selanjutnya
- Tentukan target latensi, kualitas, dan biaya sebelum penerapan.
- Tolok ukur dalam kondisi beban dan data yang realistis.
- Pemantauan instrumen untuk kesalahan, penyimpangan, dan dampak pengguna.
- Siapkan jalur rollback dan respons insiden sebelum melakukan penskalaan.
Terus Menjelajah
Buletin gratis
Dapatkan pengarahan AI harian
Tiga cerita AI terverifikasi setiap pagi hari kerja, ditulis dalam bahasa Inggris sederhana. Gratis selamanya, tanpa iklan.
Satu email setiap hari kerja. Berhenti berlangganan dalam satu klik. Kami tidak pernah menjual atau membagikan alamat Anda.
Uji diri Anda sendiri
Take the Warmup and Cosine Annealing Schedules quiz
Umpan balik instan untuk setiap jawaban, dan sertifikat yang dapat dibagikan dengan ID yang dapat diverifikasi setelah Anda lulus kursus.
Mendukung pendidikan AI gratis. AI Understanding adalah organisasi nirlaba 501(c)(3) — tanpa iklan, tanpa paywall, selamanya. Berikan sumbangan
Pertanyaan yang sering diajukan
What is Warmup and Cosine Annealing Schedules?
Pemanasan dengan lembut meningkatkan kecepatan pembelajaran dari mendekati nol sebelum pelatihan, kemudian anil kosinus dengan lancar menurunkannya kembali mengikuti kurva kosinus. Bersama-sama mereka menstabilkan pelatihan awal dan menghasilkan akurasi akhir yang lebih baik, itulah sebabnya hampir setiap trafo modern dilatih dengan cara ini.
Apa tujuan utama fase pemanasan di awal latihan?
Memulai dengan kecepatan pembelajaran yang besar pada bobot acak dapat menyebabkan lonjakan atau divergensi kerugian, jadi pemanasan menaikkan kecepatan secara perlahan untuk menjaga langkah awal tetap stabil.
Cosine annealing meluruhkan kecepatan pemelajaran mengikuti bentuk apa?
Laju tersebut diskalakan sebesar 0,5 * (1 + cos(pi * t / T)), menghasilkan bukit mulus yang tetap tinggi di awal dan meluncur mendekati nol di akhir.
Pengoptimal mana yang paling diuntungkan dari pemanasan karena perkiraan variansnya tidak dapat diandalkan sejak awal?
Estimasi varians yang dijalankan Adam didasarkan pada sampel yang sangat sedikit pada langkah pertama, sehingga ukuran langkah efektif menjadi tidak menentu — pemanasan dapat mengurangi hal ini.
Dalam rumus cosinus, apa yang diwakili oleh T?
T adalah cakrawala di mana laju peluruhan dari puncaknya mendekati nol; t adalah langkah saat ini dalam cakrawala tersebut.
In the guide’s warmup-plus-cosine schedule, what begins after warmup reaches its target rate?
The guide describes a short linear warmup followed by cosine annealing.
Teruslah belajar
Panduan terkait
Panduan lainnya dipilih untuk topik ini