Bitsandbytes 文档

LARS

Hugging Face's logo
加入 Hugging Face 社区

并获得增强的文档体验

开始使用

LARS

LARS (Layer-wise Adaptive Rate Scaling) 是一种专为大批量训练设计的优化器,旨在加速训练过程。LARS 为每个*层*而不是每个参数使用单独的学习率。该学习率是通过层中权重和梯度范数之间的*信任比*来计算的。这有助于校准一个稳定的更新幅度。

LARS

class bitsandbytes.optim.LARS

< >

( params lr momentum = 0 dampening = 0 weight_decay = 0 nesterov = False optim_bits = 32 args = None min_8bit_size = 4096 percentile_clipping = 100 max_unorm = 0.02 )

__init__

< >

( params lr momentum = 0 dampening = 0 weight_decay = 0 nesterov = False optim_bits = 32 args = None min_8bit_size = 4096 percentile_clipping = 100 max_unorm = 0.02 )

参数

  • params (torch.tensor) — 待优化的输入参数。
  • lr (float) — 学习率。
  • momentum (float, 默认为 0) — 动量值通过采取更大的步长来加速优化器。
  • dampening (float, 默认为 0) — 阻尼值减小优化器的动量。
  • weight_decay (float, 默认为 1e-2) — 优化器的权重衰减值。
  • nesterov (bool, 默认为 `False`) — 是否使用 Nesterov 动量。
  • optim_bits (int, 默认为 32) — 优化器状态的位数。
  • args (object, 默认为 `None`) — 包含附加参数的对象。
  • min_8bit_size (int, 默认为 4096) — 8位优化中参数张量的最小元素数量。
  • percentile_clipping (int, 默认为 100) — 通过跟踪最近 100 个梯度范数,并在特定百分位数处对梯度进行裁剪来自动调整裁剪阈值,以提高稳定性。
  • max_unorm (float, 默认为 0.02) — 最大梯度范数。

基础 LARS 优化器。

LARS8bit

class bitsandbytes.optim.LARS8bit

< >

( params lr momentum = 0 dampening = 0 weight_decay = 0 nesterov = False args = None min_8bit_size = 4096 percentile_clipping = 100 max_unorm = 0.02 )

__init__

< >

( params lr momentum = 0 dampening = 0 weight_decay = 0 nesterov = False args = None min_8bit_size = 4096 percentile_clipping = 100 max_unorm = 0.02 )

参数

  • params (torch.tensor) — 待优化的输入参数。
  • lr (float) — 学习率。
  • momentum (float, 默认为 0) — 动量值通过采取更大的步长来加速优化器。
  • dampening (float, 默认为 0) — 阻尼值减小优化器的动量。
  • weight_decay (float, 默认为 1e-2) — 优化器的权重衰减值。
  • nesterov (bool, 默认为 `False`) — 是否使用 Nesterov 动量。
  • args (object, 默认为 `None`) — 包含附加参数的对象。
  • min_8bit_size (int, 默认为 4096) — 8位优化中参数张量的最小元素数量。
  • percentile_clipping (int, 默认为 100) — 通过跟踪最近 100 个梯度范数,并在特定百分位数处对梯度进行裁剪来自动调整裁剪阈值,以提高稳定性。
  • max_unorm (float, 默认为 0.02) — 最大梯度范数。

8位 LARS 优化器。

LARS32bit

class bitsandbytes.optim.LARS32bit

< >

( params lr momentum = 0 dampening = 0 weight_decay = 0 nesterov = False args = None min_8bit_size = 4096 percentile_clipping = 100 max_unorm = 0.02 )

__init__

< >

( params lr momentum = 0 dampening = 0 weight_decay = 0 nesterov = False args = None min_8bit_size = 4096 percentile_clipping = 100 max_unorm = 0.02 )

参数

  • params (torch.tensor) — 待优化的输入参数。
  • lr (float) — 学习率。
  • momentum (float, 默认为 0) — 动量值通过采取更大的步长来加速优化器。
  • dampening (float, 默认为 0) — 阻尼值减小优化器的动量。
  • weight_decay (float, 默认为 1e-2) — 优化器的权重衰减值。
  • nesterov (bool, 默认为 `False`) — 是否使用 Nesterov 动量。
  • args (object, 默认为 `None`) — 包含附加参数的对象。
  • min_8bit_size (int, 默认为 4096) — 8位优化中参数张量的最小元素数量。
  • percentile_clipping (int, 默认为 100) — 通过跟踪最近 100 个梯度范数,并在特定百分位数处对梯度进行裁剪来自动调整裁剪阈值,以提高稳定性。
  • max_unorm (float, 默认为 0.02) — 最大梯度范数。

32位 LARS 优化器。

< > 在 GitHub 上更新