[中文|English]

Tiger

A Tight-fisted Optimizer， 一个“抠”到极致的优化器！

特性

• 不逊色于AdamW和LAMB的效果；
• 梯度累积下的显存需求最小化；
• 类似LAMB的分参数学习率自适应；
• 简单的预防模型崩溃到NaN的策略；
• 可以模拟任意schedule的分段线性学习率。

简介

Tiger、Lion和AdamW的对比：

从Lion的视角，Tiger是一个简化版的Lion（beta1=beta2）；从SignSGD的视角，Tiger是一个带有动量和weight decay的SignSGD。

Tiger只用到了动量来构建更新量，根据《隐藏在动量中的梯度累积：少更新几步，效果反而更好？》的结论，此时我们不新增一组参数来“无感”地实现梯度累积！这也意味着在我们有梯度累积需求时，Tiger已经达到了显存占用的最优解，这也是“Tiger”这个名字的来源（Tight-fisted Optimizer，抠门的优化器，不舍得多花一点显存）。

• 博客1：https://kexue.fm/archives/9512
• 博客2：https://kexue.fm/archives/8634

使用

目前的实现在tensorflow 1.15下开发，估计tensorflow 2.x的前几个版本也能用，后面的版本由于没有使用经验，不确定能否可用。

参考代码：

from tiger import Tiger

optimizer = Tiger(
    learning_rate=1.76e-3,  # 全局相对学习率lr
    beta=0.965,  # beta参数
    weight_decay=0.01,  # 权重衰减率
    grad_accum_steps=4,  # 梯度累积步数
    lr_schedule={
        40000: 1,  # 前40k步，学习率从0线性增加到1*lr【即warmup步数为40000/4步】
        160000: 0.5,  # 40k-160k步，学习率从1*lr线性降低到0.5*lr
        640000: 0.1,  # 160k-640k步，学习率从0.5*lr线性降低到0.1*lr
        1280000: 0.01,  # 640k-1280k步，学习率从0.1*lr线性降低到0.01*lr，并在之后保持不变
    }
)

model.compile(loss='categorical_crossentropy', optimizer=optimizer)

鸣谢

特别感谢Lion的充分实验，以及Lion作者们的友好交流。

引用

@misc{tigeropt,
  title={Tiger: A Tight-fisted Optimizer},
  author={Jianlin Su},
  year={2023},
  howpublished={\url{https://github.com/bojone/tiger}},
}

交流

QQ交流群：808623966，微信群请加机器人微信号spaces_ac_cn