Optax v0.2.5 版本更新:深度学习优化器库的重大升级
前言
Optax 是 Google DeepMind 开发的一个专注于优化算法的 JAX 库,它为机器学习研究提供了丰富的梯度变换和优化器实现。作为 JAX 生态系统中的重要组成部分,Optax 以其简洁的 API 设计和高效的实现赢得了广大研究者的青睐。本次 v0.2.5 版本的发布带来了多项重要改进和新特性,包括新优化器的加入、现有功能的增强以及文档的完善。
核心更新内容
1. 新增优化器算法
Sophia-H 优化器的引入是本版本的一大亮点。这是一种基于 Hessian 信息的新型优化器,特别适合处理大规模语言模型的训练任务。与传统的 Adam 优化器相比,Sophia-H 在保持相似收敛速度的同时,显著减少了内存占用。
Muon 优化器被添加到了 contrib 模块中。这种优化器采用了独特的动量更新策略,在特定任务上展现出比传统方法更稳定的训练特性。Muon 优化器还新增了对权重衰减的支持,使其更适合实际应用场景。
AdeMAMix 优化器及其简化版本也被纳入 contrib 模块。这类优化器结合了自适应矩估计和动量加速技术,在保持自适应学习率优势的同时,通过动量机制加速收敛过程。
2. 现有优化器的改进
对 L-BFGS 算法进行了重要修复,现在它能够正确处理复数参数的优化问题。这一改进使得 L-BFGS 可以应用于更广泛的科学计算领域。
回溯线搜索算法得到了类型稳定性增强,现在其初始化和更新操作返回相同类型的状态,消除了潜在的类型不一致问题。
Polyak SGD 新增了"plus"选项,扩展了其应用场景,用户可以更灵活地控制参数更新策略。
3. 损失函数和数学工具的增强
三重边际损失函数得到了修复和改进,现在能够正确处理各种输入情况。这个损失函数在度量学习和表示学习任务中尤为重要。
新增了非负最小二乘(NNLS)求解器,这是一个强大的数学工具,可用于解决带非负约束的线性回归问题。该求解器能够正确处理批量形状的输入,使其更适合深度学习中的批量处理场景。
Sigmoid交叉熵损失和Sigmoid焦点损失函数现在能够正确处理非数组标签输入,提高了这些损失函数的鲁棒性。
4. 树操作工具集的扩展
新增了tree_batch_shape
函数,用于确定树结构中张量的批量形状,这在处理复杂数据结构时特别有用。
tree_norm
函数统一了之前的tree_l1_norm
、tree_l2_norm
和tree_linf_norm
,提供了更简洁的API接口。同时引入了optax.tree.*
命名空间别名,提高了代码的可读性。
tree_clip
函数现在提供了默认的最小值和最大值参数,使用更加方便。
5. 参数冻结工具
新增了freeze
和selective_optimizer
等参数冻结实用工具,以及前缀掩码支持。这些工具使得用户可以更灵活地控制模型不同部分的训练过程,特别适用于迁移学习和微调场景。
其他重要改进
-
文档完善:对多个函数的文档字符串进行了改进和修正,增加了数学描述和示例,使API更加易于理解和使用。
-
类型稳定性:通过使用
jax.lax.cond
测试,确保了优化器状态在各种条件下的类型稳定性。 -
随机数生成:更新为使用
jax.random.key
替代旧的PRNGKey
,保持与JAX最新版本的兼容性。 -
构建系统:移除了对Python 3.9的支持,新增了对Python 3.12的测试,确保库能够利用最新Python版本的特性和优化。
-
测试基础设施:改进了CI流程,增加了ruff静态分析工具,提高了代码质量检查的效率。
向后兼容性说明
本次更新移除了一些长期弃用的函数,建议用户检查自己的代码是否依赖这些已被移除的函数。同时,multi_transform
被正式弃用,推荐使用功能更强大的partition
替代。
结语
Optax v0.2.5版本通过引入多种新型优化算法、增强现有功能和完善工具集,进一步巩固了其作为JAX生态系统中优化器库的首选地位。这些改进不仅提高了库的实用性和可靠性,也为深度学习研究提供了更多可能性。无论是从事理论研究还是实际应用开发的用户,都能从这个版本中获得显著的收益。
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++043Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0288Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









