金洋新闻
News
Ranger是RAdam + LookAhead结合,利用两者的优点。RAdam: 利用一个动态整流器来根据变化调整 Adam 的自适应动量,针对当前数据集,有效地提供了一个自动 warm-up,这使得训练能有一个好的开始。 LookAhead:减少了对大量超参数调优的需求,同时以最小的计算开销在不同深度学习任务之间实现更快的收敛。 细节:
最强深度学习优化器Ranger开源:RAdam+LookAhead强强结合,性能更优速度更快_AI_Less Wright_InfoQ精选文章Ranger的源代码:
https://github.com/lessw2020/Ranger-Deep-Learning-Optimizer通过上面的链接,将Ranger的项目下载下来,然后放到项目当中就可以直接使用了。
Ranger优化器的使用方法 1. 将“ranger文件夹”放置到工程项目中
2. 将ranger库中的Ranger类导入到训练的代码中
3. 将网络初始权重放入到Ranger类,并设置初始学习率等
4. 已完成Ranger优化器的使用。
本文来自本人CSDN博客:
【深度学习技巧】Ranger优化器的使用-CSDN博客