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。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00
GOT-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).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00