11:13arXiv cs.LG@Jianhao Xu, Zhuang Yang现有深度神经网络优化器多基于ℓ₂范数或ℓ∞范数,但两者各有缺陷:ℓ₂范数在高曲率方向占主导,导致低曲率方向更新缓慢;ℓ∞范数在平坦区域易振荡。本文提出动态p值的ℓ_p范数方案,融入SGD和带动量SGD,形成LPSGD和LPSGDM优化器。训练早期用大p(>2)抑制高曲率方向,后期p逐渐降至2实现稳定更新,灵感来自余弦退火策略。理论证明非凸场景下收敛率达O(T^{-1/2}),在CIFAR-10/100和ImageNet-1K上使用VGG-11、ResNet-18/50验证了更好泛化性能。论文优化器ℓ_p范数泛化性能SGD余弦退火推荐理由:做深度学习训练调参的开发者,这个动态p范数方案解决了ℓ₂和ℓ∞范数的极端问题,直接替换SGD就能提升泛化,值得在CIFAR/ImageNet任务上试试。原文