计算机科学 > 机器学习
[提交于 2023年5月31日
]
标题: 迈向理解为何Adam对于Transformer收敛更快
标题: Toward Understanding Why Adam Converges Faster Than SGD for Transformers
摘要: 虽然随机梯度下降(SGD)仍然是深度学习中最受欢迎的优化算法,但在一些深度学习应用中,如训练变压器,自适应算法如Adam已经显示出经验上的优势。然而,为什么Adam在这些情况下比SGD收敛快得多仍然是一个疑问。在本文中,我们提出了一种使用新概念方向锐度来解释Adam为何比SGD收敛更快的解释。我们认为优化算法的性能与更新步骤的方向锐度密切相关,并表明与自适应算法相比,SGD的方向锐度要差得多。我们进一步观察到,只有少数坐标导致了SGD的不良锐度和缓慢收敛,并建议使用坐标剪切作为解决SGD和其他优化算法的方法。我们在各种设置下展示了坐标剪切对锐度减少和加速优化算法收敛的效果。我们表明,当只有少数坐标具有不良锐度时,坐标剪切可以改善局部损失减少。我们得出结论,自适应坐标缩放的锐度减少效果是Adam在实践中成功的原因,并建议使用坐标剪切作为一种通用技术来加速深度学习优化。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.