UIUC華人博士生團隊提出了對常用機器學習模型優(yōu)化器Adam的新改進RAdam，省去了使用Adam必須的“預熱”環(huán)節(jié)，既能保證學習率和收斂速度，又能有效避免模型陷入“局部最優(yōu)解”的陷阱，堪稱Adam的優(yōu)秀接班人！

近日，UIUC的華人博士生Liyuan Liu等人的一篇新論文中介紹了Adam模型的新改進“Rectified Adam”（簡稱RAdam）。這是基于原始Adam作出的改進，它既能實現(xiàn)Adam快速收斂的優(yōu)點，又具備SGD方法的優(yōu)勢，令模型收斂至質量更高的結果。

有國外網(wǎng)友親測，效果拔群。

以下是網(wǎng)友測試過程和RAdam的簡介：

我已經在FastAI框架下測試了RAdam，并快速獲得了高精度新記錄，而不是ImageNette上兩個難以擊敗的FastAI排行榜得分。我今年測試了許多論文中的模型，大部分模型似乎在文中給出的特定數(shù)據(jù)集上表現(xiàn)良好，而在我嘗試的新的數(shù)據(jù)集上表現(xiàn)不佳。但RAdam不一樣，看起來真的實現(xiàn)了性能提升，可能成為vanilla Adam的永久“接班人”。

RAdam具備在多種學習率下的強大性能，同時仍能快速收斂并實現(xiàn)更高的性能（CIFAR數(shù)據(jù)集）

RAdam和XResNet50，5個epoch精度即達到86％

Imagenette排行榜：達到當前最高性能84.6％

下面來看看RAdam的內部機制，看看為什么能夠實現(xiàn)更優(yōu)質的收斂，更好的訓練穩(wěn)定性（相對所選擇的學習率更不敏感），為何基于幾乎所有AI應用都能實現(xiàn)更好的準確性和通用性。

不只是對于CNN：RAdam在Billion Word Dataset上的表現(xiàn)優(yōu)于LSTM

RAdam：無需預熱，避免模型收斂至“局部最優(yōu)解”

作者指出，雖然每個人都在努力實現(xiàn)快速穩(wěn)定的優(yōu)化算法，但包括Adam，RMSProp等在內的自適應學習率優(yōu)化器都存在收斂到質量較差的局部最優(yōu)解的可能。因此，幾乎每個人都使用某種形式的“預熱”方式來避免這種風險。但為什么需要預熱？

由于目前對AI社區(qū)中對于“預熱”出現(xiàn)的潛在原因，甚至最佳實踐的理解有限，本文作者試圖揭示這個問題的基礎。他們發(fā)現(xiàn)，根本問題是自適應學習率優(yōu)化器具有太大的變化，特別是在訓練的早期階段，并且可能由于訓練數(shù)據(jù)量有限出現(xiàn)過度跳躍，因此可能收斂至局部最優(yōu)解。

使用原始Adam必須預熱，否則正態(tài)分布會變得扭曲，是否預熱的分布對比見上圖

因此，當優(yōu)化器僅使用有限的訓練數(shù)據(jù)時，采用“預熱”（這一階段的學習率要慢得多）是自適應優(yōu)化器要求抵消過度方差的要求。

簡而言之，vanilla Adam和其他自適應學習速率優(yōu)化器可能會基于訓練早期數(shù)據(jù)太少而做出錯誤決策。因此，如果沒有某種形式的預熱，很可能在訓練一開始便會收斂局部最優(yōu)解，這使得訓練曲線由于糟糕的開局而變得更長、更難。

然后，作者在不用預熱的情況下運行了Adam，但是在前2000次迭代（adam-2k）中避免使用動量，結果實現(xiàn)了與“Adam+預熱”差不多的結果，從而驗證了“預熱”在訓練的初始階段中起到“降低方差”的作用，并可以避免Adam在沒有足夠數(shù)據(jù)的情況下在開始訓練時即陷入局部最優(yōu)解。

適用于多個數(shù)據(jù)集，堪稱Adam的優(yōu)秀“接班人”

我們可以將“預熱”作為降低方差的方法，但所需的預熱程度未知，而且具體情況會根據(jù)數(shù)據(jù)集不同而變化，本文確定了一個數(shù)學算法，作為“動態(tài)方差減少器”。作者建立了一個“整流項”，可以緩慢而穩(wěn)定地允許將自適應動量作為基礎方差的函數(shù)進行充分表達。完整模型是這樣的：

作者指出，在某些情況下，由于衰減率和基本方差的存在，RAdam可以在動量等效的情況下退化為SGD。

實驗表明，RAdam優(yōu)于傳統(tǒng)的手動預熱調整，其中需要預熱或猜測需要預熱的步驟數(shù)。RAdam自動提供方差縮減，在各種預熱長度和各種學習率下都優(yōu)于手動預熱。

總之，RAdam可以說是AI最先進的優(yōu)化器，可以說是Adam的優(yōu)秀接班人！