Bitsandbytes 文档

SGD

Hugging Face's logo
加入Hugging Face社区

并获取增强文档体验

开始使用

SGD

随机梯度下降(SGD)是一种基本梯度下降优化器,给定一组模型参数以最小化损失,并通过与梯度相反的方向更新参数。更新是在从数据集随机采样的迷你批量数据上执行的。

bitsandbytes还支持动量和Nesterov动量,通过向当前梯度添加过去梯度的加权平均值来加速SGD。

SGD

bitsandbytes.optim.SGD

< >

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

__init__

< >

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

参数

  • params (torch.tensor) — 要优化的输入参数。
  • lr (浮点数) — 学习率。
  • momentum (浮点数, 默认为 0) — 动量值,通过增加步长来加速优化器。
  • dampening (浮点数, 默认为 0) — 减速值,减小优化器的动量。
  • weight_decay (浮点数, 默认为 0.0) — 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) — 包含额外参数的对象。
  • min_8bit_size (int,默认为4096) — 8位优化参数张量元素的最小数量。
  • percentile_clippingint,默认为100)——通过跟踪最后100个梯度范数来自动调整剪裁阈值,并在一定百分位数处剪裁梯度以改善稳定性。
  • block_wisebool,默认为True)——是否独立量化张量块以减少异常值影响并提高稳定性。

基本SGD优化器。

SGD8bit

bitsandbytes.optim.SGD8bit

< >

( 参数(params) 学习率(lr) 动量(momentum) = 0 阻尼系数(dampening) = 0 权重衰减(weight_decay) = 0 Nesterov(nesterov) = False 其它参数(args) = None 最小8位大小(min_8bit_size) = 4096 百分比裁剪(percentile_clipping) = 100 块级(block_wise) = True )

__init__

< >

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

参数

  • params (torch.tensor) — 优化输入的参数。
  • lr (float) — 学习率。
  • momentum (float,默认为0) — 动量值通过采取更大的步伐来加速优化器。
  • dampening (float,默认为0) — 阻尼值降低优化器的动量。
  • weight_decay (float,默认为0.0) — 优化器的权重衰减值。
  • nesterov (bool,默认为False) — 是否使用Nesterov动量。
  • args (对象,默认为 None) — 一个包含额外参数的对象。
  • min_8bit_size (整数,默认为 4096) — 8 位优化中参数张量的最小元素数量。
  • percentile_clipping (整数,默认为 100) — 通过跟踪最后 100 个梯度的范数来自动调整裁剪阈值,在某个百分位数处裁剪梯度以改善稳定性。
  • block_wise (布尔值,默认为 True) — 是否独立量化张量的每个块以减少异常值影响并提高稳定性。

8位SGD优化器。

SGD32bit

bitsandbytes.optim.SGD32bit

< >

( 参数(params) 学习率(lr) 动量(momentum) = 0 阻尼系数(dampening) = 0 权重衰减(weight_decay) = 0 Nesterov(nesterov) = False 其它参数(args) = None 最小8位大小(min_8bit_size) = 4096 百分比裁剪(percentile_clipping) = 100 块级(block_wise) = True )

__init__

< >

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

参数

  • params (torch.tensor) — 要优化的输入参数。
  • lr (float) — 学习率。
  • momentum (float, 默认 0) — 惯量值可以加快优化过程通过采取更大的步长。
  • dampening (float, 默认 0) — 消 dampening 值可以减少优化器的动量。
  • weight_decay (float, 默认 0.0) — 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) — 包含额外参数的对象。
  • min_8bit_size (int,默认为4096) — 8位优化参数张量的最小元素数。
  • percentile_clipping (int,默认为100) — 通过跟踪最后100个梯度范数来自动调整剪切阈值,在一定的百分位数处剪切梯度以改善稳定性。
  • 按块划分 (布尔型,默认为 True) — 是否独立地对每个张量块进行量化,以减少异常值影响并提高稳定性。

32位SGD优化器。

< > 在GitHub上更新