{"id":480028,"date":"2026-05-17T18:31:08","date_gmt":"2026-05-17T18:31:08","guid":{"rendered":"https:\/\/savepearlharbor.com\/?p=480028"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=480028","title":{"rendered":"\u0422\u0438\u0445\u0438\u0439 \u0443\u0431\u0438\u0439\u0446\u0430 \u0422\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440\u043e\u0432: \u043a\u0430\u043a Weight Decay \u0443\u043d\u0438\u0447\u0442\u043e\u0436\u0430\u0435\u0442 \u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u0438 \u0438 \u043d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044e"},"content":{"rendered":"<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<p>\u0423 \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0438\u0437 \u043d\u0430\u0441 \u0435\u0441\u0442\u044c &#171;\u043c\u044b\u0448\u0435\u0447\u043d\u0430\u044f \u043f\u0430\u043c\u044f\u0442\u044c&#187; \u043f\u0440\u0438 \u043d\u0430\u043f\u0438\u0441\u0430\u043d\u0438\u0438 \u043a\u043e\u0434\u0430 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0435\u0439. \u041c\u044b \u0441\u043e\u0431\u0438\u0440\u0430\u0435\u043c \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0443, \u0430 \u0437\u0430\u0442\u0435\u043c \u043f\u0438\u0448\u0435\u043c \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u0442\u0430\u043a\u0443\u044e \u0441\u0442\u0440\u043e\u0447\u043a\u0443, \u0434\u0430\u0436\u0435 \u043d\u0435 \u0437\u0430\u0434\u0443\u043c\u044b\u0432\u0430\u044f\u0441\u044c:  <\/p>\n<p><code>optimizer = torch.optim.AdamW(model.parameters(), lr=1e-4, weight_decay=0.1)<\/code><\/p>\n<p><strong>Weight Decay (L2-\u0440\u0435\u0433\u0443\u043b\u044f\u0440\u0438\u0437\u0430\u0446\u0438\u044f)<\/strong>\u00a0\u044d\u0442\u043e \u0431\u0430\u0437\u0430. \u041c\u044b \u0437\u043d\u0430\u0435\u043c, \u0447\u0442\u043e \u043e\u043d \u0442\u044f\u043d\u0435\u0442 \u0432\u0435\u0441\u0430 \u043a \u043d\u0443\u043b\u044e, \u043d\u0435 \u0434\u0430\u0435\u0442 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u044b\u043c \u043d\u0435\u0439\u0440\u043e\u043d\u0430\u043c &#171;\u0437\u0430\u0437\u0432\u0435\u0437\u0434\u0438\u0442\u044c\u0441\u044f&#187; \u0438 \u043f\u0440\u0435\u0434\u043e\u0442\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u043f\u0435\u0440\u0435\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435. \u0414\u043b\u044f \u043b\u0438\u043d\u0435\u0439\u043d\u044b\u0445 \u0441\u043b\u043e\u0435\u0432 (<em>W * X<\/em>) \u044d\u0442\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0432\u0435\u043b\u0438\u043a\u043e\u043b\u0435\u043f\u043d\u043e. \u041d\u043e \u0422\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440 \u0441\u043e\u0441\u0442\u043e\u0438\u0442 \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u0438\u0437 \u043c\u0430\u0442\u0440\u0438\u0446\u00a0<em>W<\/em>. \u0412 \u043d\u0435\u043c \u0435\u0441\u0442\u044c \u0441\u043f\u0435\u0446\u0438\u0444\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0441\u043b\u043e\u0438, \u0434\u043b\u044f \u043a\u043e\u0442\u043e\u0440\u044b\u0445 Weight Decay \u044d\u0442\u043e \u043d\u0435 \u043b\u0435\u043a\u0430\u0440\u0441\u0442\u0432\u043e \u043e\u0442 \u043f\u0435\u0440\u0435\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u0430\u00a0<strong>\u0442\u0438\u0445\u0438\u0439 \u0443\u0431\u0438\u0439\u0446\u0430<\/strong>, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043c\u0435\u0434\u043b\u0435\u043d\u043d\u043e \u0440\u0430\u0437\u0440\u0443\u0448\u0430\u0435\u0442 \u0433\u0435\u043e\u043c\u0435\u0442\u0440\u0438\u044e \u043b\u0430\u0442\u0435\u043d\u0442\u043d\u043e\u0433\u043e \u043f\u0440\u043e\u0441\u0442\u0440\u0430\u043d\u0441\u0442\u0432\u0430 \u0438 \u0434\u0443\u0448\u0438\u0442 \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442\u044b.<\/p>\n<p>\u0414\u0430\u0432\u0430\u0439\u0442\u0435 \u0437\u0430\u043b\u0435\u0437\u0435\u043c \u043f\u043e\u0434 \u043a\u0430\u043f\u043e\u0442 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440\u0430 \u0438 \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0438\u043c, \u043a\u0430\u043a \u0441\u043b\u0435\u043f\u043e\u0435 \u043f\u0440\u0438\u043c\u0435\u043d\u0435\u043d\u0438\u0435 Weight Decay \u0443\u043d\u0438\u0447\u0442\u043e\u0436\u0430\u0435\u0442 \u0432\u0430\u0448\u0438 \u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u0438 \u0438 \u0441\u043b\u043e\u0438 \u043d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438.<\/p>\n<h4>\u0424\u0438\u0437\u0438\u043a\u0430 Weight Decay<\/h4>\n<p>\u0427\u0442\u043e\u0431\u044b \u043f\u043e\u043d\u044f\u0442\u044c \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443, \u043d\u0443\u0436\u043d\u043e \u0432\u0441\u043f\u043e\u043c\u043d\u0438\u0442\u044c \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0443\u00a0<em>AdamW<\/em>. \u0412 \u043e\u0442\u043b\u0438\u0447\u0438\u0435 \u043e\u0442 \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442\u0430, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043e\u0431\u043d\u043e\u0432\u043b\u044f\u0435\u0442 \u0432\u0435\u0441 \u0442\u043e\u043b\u044c\u043a\u043e \u0435\u0441\u043b\u0438 \u0435\u0441\u0442\u044c \u043e\u0448\u0438\u0431\u043a\u0430, Weight Decay \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u0442\u0441\u044f\u00a0<strong>\u0431\u0435\u0437\u0443\u0441\u043b\u043e\u0432\u043d\u043e<\/strong>\u00a0\u043d\u0430 \u043a\u0430\u0436\u0434\u043e\u043c \u0448\u0430\u0433\u0435 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440\u0430:<\/p>\n<blockquote>\n<p><em>W<sub>new<\/sub><\/em>\u200b=<em>W<sub>old<\/sub><\/em>\u200b\u2212<em>\u03b7<\/em>\u22c5\u2207<em>L<\/em>\u2212<em>\u03b7<\/em>\u22c5<em>\u03bb<\/em>\u22c5<em>W<sub>old<\/sub><\/em><sub>\u200b<\/sub>  <\/p>\n<\/blockquote>\n<p><sup>\u0413\u0434\u0435\u00a0\u03bb \u044d\u0442\u043e \u043d\u0430\u0448\u00a0weight_decay.<\/sup><\/p>\n<p>\u0424\u0438\u0437\u0438\u0447\u0435\u0441\u043a\u0438 \u044d\u0442\u043e \u0433\u0440\u0430\u0432\u0438\u0442\u0430\u0446\u0438\u044f. \u041d\u0430 \u043a\u0430\u0436\u0434\u043e\u043c \u0448\u0430\u0433\u0435 (\u043d\u0430 \u043a\u0430\u0436\u0434\u043e\u043c \u0431\u0430\u0442\u0447\u0435) \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440 &#171;\u043e\u0442\u043a\u0443\u0441\u044b\u0432\u0430\u0435\u0442&#187; \u043e\u0442 \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0432\u0435\u0441\u0430 \u043c\u0438\u043a\u0440\u043e\u0441\u043a\u043e\u043f\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u043f\u0440\u043e\u0446\u0435\u043d\u0442 \u0435\u0433\u043e \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f, \u043d\u0435\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e \u043e\u0442 \u0442\u043e\u0433\u043e, \u0447\u0442\u043e \u0433\u043e\u0432\u043e\u0440\u044f\u0442 \u0434\u0430\u043d\u043d\u044b\u0435. <\/p>\n<p>\u0410 \u0442\u0435\u043f\u0435\u0440\u044c \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0438\u043c, \u0447\u0442\u043e \u044d\u0442\u0430 \u0433\u0440\u0430\u0432\u0438\u0442\u0430\u0446\u0438\u044f \u0434\u0435\u043b\u0430\u0435\u0442 \u0441 \u0440\u0430\u0437\u043d\u044b\u043c\u0438 \u0447\u0430\u0441\u0442\u044f\u043c\u0438 \u0441\u0435\u0442\u0438.  <\/p>\n<h4>\u0416\u0435\u0440\u0442\u0432\u0430 \u21161: \u042d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u0438 (\u0427\u0435\u0440\u043d\u0430\u044f \u0434\u044b\u0440\u0430 \u0434\u043b\u044f \u0440\u0435\u0434\u043a\u0438\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432)<\/h4>\n<p>\u0421\u043b\u043e\u0439 \u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u043e\u0432 (<code><em>nn.Embedding<\/em><\/code>)  \u044d\u0442\u043e \u043e\u0433\u0440\u043e\u043c\u043d\u0430\u044f lookup-\u0442\u0430\u0431\u043b\u0438\u0446\u0430 (\u0421\u043b\u043e\u0432\u0430\u0440\u044c\u00a0*\u00a0\u0420\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u044c).<\/p>\n<p>\u0413\u043b\u0430\u0432\u043d\u043e\u0435 \u043e\u0442\u043b\u0438\u0447\u0438\u0435 \u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u043e\u0432 \u043e\u0442 \u043b\u0438\u043d\u0435\u0439\u043d\u044b\u0445 \u0441\u043b\u043e\u0435\u0432 <strong>\u0440\u0430\u0437\u0440\u0435\u0436\u0435\u043d\u043d\u043e\u0441\u0442\u044c \u043e\u0431\u043d\u043e\u0432\u043b\u0435\u043d\u0438\u0439<\/strong>.<br \/>\u041a\u043e\u0433\u0434\u0430 \u0432\u044b \u043f\u0440\u043e\u0433\u043e\u043d\u044f\u0435\u0442\u0435 \u0431\u0430\u0442\u0447 \u0442\u0435\u043a\u0441\u0442\u0430, \u0432 \u043d\u0435\u043c \u0443\u0447\u0430\u0441\u0442\u0432\u0443\u044e\u0442, \u0441\u043a\u0430\u0436\u0435\u043c, 2000 \u0443\u043d\u0438\u043a\u0430\u043b\u044c\u043d\u044b\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432. \u0413\u0440\u0430\u0434\u0438\u0435\u043d\u0442 (<em>\u2207L<\/em>) \u0432\u044b\u0447\u0438\u0441\u043b\u044f\u0435\u0442\u0441\u044f\u00a0<strong>\u0442\u043e\u043b\u044c\u043a\u043e<\/strong>\u00a0\u0434\u043b\u044f \u044d\u0442\u0438\u0445 2000 \u0442\u043e\u043a\u0435\u043d\u043e\u0432. \u0414\u043b\u044f \u043e\u0441\u0442\u0430\u043b\u044c\u043d\u044b\u0445 48 000 \u0441\u043b\u043e\u0432 \u0438\u0437 \u0432\u0430\u0448\u0435\u0433\u043e \u0441\u043b\u043e\u0432\u0430\u0440\u044f \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442 \u0440\u0430\u0432\u0435\u043d \u043d\u0443\u043b\u044e.<\/p>\n<p>\u041d\u043e \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440\u0443\u00a0AdamW\u00a0\u0432\u0441\u0451 \u0440\u0430\u0432\u043d\u043e! \u0412\u044b \u043f\u0435\u0440\u0435\u0434\u0430\u043b\u0438 \u0435\u043c\u0443\u00a0<code><em>model.parameters()<\/em><\/code>, \u0438 \u043e\u043d \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u0442 \u043f\u0440\u0430\u0432\u0438\u043b\u043e Weight Decay \u043a\u043e \u0432\u0441\u0435\u0439 \u043c\u0430\u0442\u0440\u0438\u0446\u0435 \u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u043e\u0432.<\/p>\n<p><strong>\u0427\u0442\u043e \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442 \u0432 \u0440\u0435\u0430\u043b\u044c\u043d\u043e\u0441\u0442\u0438:<\/strong><br \/>\u041f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u044c\u0442\u0435 \u0440\u0435\u0434\u043a\u043e\u0435 \u0441\u043b\u043e\u0432\u043e, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, &#171;\u0423\u0442\u043a\u043e\u043d\u043e\u0441&#187;. \u041e\u043d\u043e \u0432\u0441\u0442\u0440\u0435\u0442\u0438\u043b\u043e\u0441\u044c \u0432 \u043f\u0435\u0440\u0432\u043e\u043c \u0431\u0430\u0442\u0447\u0435, \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u0434\u0432\u0438\u043d\u0443\u043b\u0430 \u0435\u0433\u043e \u0432\u0435\u043a\u0442\u043e\u0440 \u0432 \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e\u043c \u043d\u0430\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u0438. \u0421\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0440\u0430\u0437 \u0441\u043b\u043e\u0432\u043e &#171;\u0423\u0442\u043a\u043e\u043d\u043e\u0441&#187; \u0432\u0441\u0442\u0440\u0435\u0442\u0438\u0442\u0441\u044f \u0447\u0435\u0440\u0435\u0437 10 000 \u0431\u0430\u0442\u0447\u0435\u0439.<\/p>\n<p>\u0412\u0441\u0435 \u044d\u0442\u0438 10 000 \u0448\u0430\u0433\u043e\u0432 \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442 \u0434\u043b\u044f &#171;\u0423\u0442\u043a\u043e\u043d\u043e\u0441\u0430&#187; \u0440\u0430\u0432\u0435\u043d \u043d\u0443\u043b\u044e. \u041d\u043e \u0444\u043e\u0440\u043c\u0443\u043b\u0430 Weight Decay \u043f\u0440\u043e\u0434\u043e\u043b\u0436\u0430\u0435\u0442 \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c:  <\/p>\n<blockquote>\n<p> <em>W<\/em><sub>\u0443\u0442\u043a\u043e\u043d\u043e\u0441<\/sub>\u200b=<em>W<\/em><sub>\u0443\u0442\u043a\u043e\u043d\u043e\u0441<\/sub>\u200b\u22120\u2212<em>\u03b7<\/em>\u22c5<em>\u03bb<\/em>\u22c5<em>W<\/em><sub>\u0443\u0442\u043a\u043e\u043d\u043e\u0441\u200b  <\/sub><\/p>\n<\/blockquote>\n<p>\u041e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440 \u043c\u0435\u0442\u043e\u0434\u0438\u0447\u043d\u043e \u0443\u043c\u043d\u043e\u0436\u0430\u0435\u0442 \u0432\u0435\u043a\u0442\u043e\u0440 \u0440\u0435\u0434\u043a\u043e\u0433\u043e \u0441\u043b\u043e\u0432\u0430 \u043d\u0430 \u0443\u0441\u043b\u043e\u0432\u043d\u044b\u0435<em>\u00a00.999 <\/em>\u0434\u0435\u0441\u044f\u0442\u044c \u0442\u044b\u0441\u044f\u0447 \u0440\u0430\u0437 \u043f\u043e\u0434\u0440\u044f\u0434. \u041a \u0442\u043e\u043c\u0443 \u043c\u043e\u043c\u0435\u043d\u0442\u0443, \u043a\u043e\u0433\u0434\u0430 &#171;\u0423\u0442\u043a\u043e\u043d\u043e\u0441&#187; \u0441\u043d\u043e\u0432\u0430 \u043f\u043e\u044f\u0432\u0438\u0442\u0441\u044f \u0432 \u0442\u0435\u043a\u0441\u0442\u0435, \u0435\u0433\u043e \u0432\u0435\u043a\u0442\u043e\u0440 \u0441\u0445\u043b\u043e\u043f\u043d\u0435\u0442\u0441\u044f \u0432 \u043d\u043e\u043b\u044c.\u00a0<strong>\u0412\u0441\u044f \u0441\u0435\u043c\u0430\u043d\u0442\u0438\u0447\u0435\u0441\u043a\u0430\u044f \u0433\u0435\u043e\u043c\u0435\u0442\u0440\u0438\u044f, \u043a\u043e\u0442\u043e\u0440\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c \u0432\u044b\u0443\u0447\u0438\u043b\u0430 \u0434\u043b\u044f \u0440\u0435\u0434\u043a\u0438\u0445 \u0441\u043b\u043e\u0432, \u0441\u0442\u0438\u0440\u0430\u0435\u0442\u0441\u044f \u0432 \u043f\u044b\u043b\u044c.<\/strong><\/p>\n<p>\u0418\u0437-\u0437\u0430 \u0433\u043b\u043e\u0431\u0430\u043b\u044c\u043d\u043e\u0433\u043e Weight Decay \u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u0438 \u0440\u0435\u0434\u043a\u0438\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u043f\u043e\u0441\u0442\u043e\u044f\u043d\u043d\u043e &#171;\u0437\u0430\u0441\u0430\u0441\u044b\u0432\u0430\u0435\u0442&#187; \u0432 \u0446\u0435\u043d\u0442\u0440 \u043a\u043e\u043e\u0440\u0434\u0438\u043d\u0430\u0442, \u043b\u0438\u0448\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u043e\u0441\u0442\u0438 \u043f\u043e\u043d\u0438\u043c\u0430\u0442\u044c \u0443\u0437\u043a\u043e\u0441\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0439 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442.<\/p>\n<h4>\u0416\u0435\u0440\u0442\u0432\u0430 \u21162: \u0421\u043b\u043e\u0438 \u043d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 (\u0423\u0434\u0443\u0448\u0435\u043d\u0438\u0435 \u0441\u0438\u0433\u043d\u0430\u043b\u0430)<\/h4>\n<p>\u0421\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0435 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u044b (LLaMA, Mistral, Gemma) \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442\u00a0<em>RMSNorm<\/em>. \u0423 \u044d\u0442\u0438\u0445 \u0441\u043b\u043e\u0435\u0432 \u043d\u0435\u0442 \u0432\u0435\u0441\u043e\u0432 \u0432 \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u043e\u043c \u043f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u0438. \u0423 \u043d\u0438\u0445 \u0435\u0441\u0442\u044c \u043e\u0431\u0443\u0447\u0430\u0435\u043c\u044b\u0439 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u00a0Scale <strong>(<\/strong><em>\u03b3<\/em><strong>)<\/strong><\/p>\n<p>\u0417\u0430\u0447\u0435\u043c \u043d\u0443\u0436\u0435\u043d Scale (<em>\u03b3<\/em>)? \u041d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f \u043f\u0440\u0438\u043d\u0443\u0434\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0434\u0435\u043b\u0430\u0435\u0442 \u0434\u0438\u0441\u043f\u0435\u0440\u0441\u0438\u044e \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u0440\u0430\u0432\u043d\u043e\u0439 \u0435\u0434\u0438\u043d\u0438\u0446\u0435. \u041d\u043e \u0438\u043d\u043e\u0433\u0434\u0430 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u043c\u0443 \u0441\u043b\u043e\u044e (\u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0438) \u043d\u0443\u0436\u043d\u0430 \u0434\u0440\u0443\u0433\u0430\u044f \u0430\u043c\u043f\u043b\u0438\u0442\u0443\u0434\u0430 \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u0434\u043b\u044f \u043a\u043e\u0440\u0440\u0435\u043a\u0442\u043d\u043e\u0439 \u0440\u0430\u0431\u043e\u0442\u044b. \u041e\u0431\u0443\u0447\u0430\u0435\u043c\u044b\u0439 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u00a0<em>\u03b3<\/em>\u00a0\u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u0435\u0442\u00a0<strong>\u0438\u0441\u043a\u043b\u044e\u0447\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0434\u043b\u044f \u0442\u043e\u0433\u043e, \u0447\u0442\u043e\u0431\u044b \u0441\u0435\u0442\u044c \u043c\u043e\u0433\u043b\u0430 \u0432\u043e\u0441\u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u044c \u043d\u0443\u0436\u043d\u044b\u0439 \u043c\u0430\u0441\u0448\u0442\u0430\u0431 \u0434\u0438\u0441\u043f\u0435\u0440\u0441\u0438\u0438<\/strong>.  <\/p>\n<p><strong>\u0427\u0442\u043e \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442, \u0435\u0441\u043b\u0438 \u043c\u044b \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u043c \u043a\u00a0<em>\u03b3<\/em>\u00a0Weight Decay? <\/strong>\u041c\u044b \u0431\u0443\u043a\u0432\u0430\u043b\u044c\u043d\u043e \u0433\u043e\u0432\u043e\u0440\u0438\u043c \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440\u0443:\u00a0<\/p>\n<blockquote>\n<p><em>&#171;\u0428\u0442\u0440\u0430\u0444\u0443\u0439 \u0441\u0435\u0442\u044c \u0437\u0430 \u0431\u043e\u043b\u044c\u0448\u0443\u044e \u0430\u043c\u043f\u043b\u0438\u0442\u0443\u0434\u0443 \u0441\u0438\u0433\u043d\u0430\u043b\u0430&#187;<\/em>.  <\/p>\n<\/blockquote>\n<p>Weight Decay \u043f\u043e\u0441\u0442\u043e\u044f\u043d\u043d\u043e \u0442\u044f\u043d\u0435\u0442\u00a0<em>\u03b3<\/em>\u00a0\u043a \u043d\u0443\u043b\u044e. \u0421\u0435\u0442\u044c \u043f\u044b\u0442\u0430\u0435\u0442\u0441\u044f \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0441\u0438\u0433\u043d\u0430\u043b \u0433\u0440\u043e\u043c\u0447\u0435, \u0447\u0442\u043e\u0431\u044b \u043f\u0440\u043e\u0442\u043e\u043b\u043a\u043d\u0443\u0442\u044c \u0435\u0433\u043e \u0447\u0435\u0440\u0435\u0437 \u0433\u043b\u0443\u0431\u043e\u043a\u0438\u0435 \u0441\u043b\u043e\u0438, \u0430 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440 \u0431\u044c\u0435\u0442 \u0435\u0435 \u043f\u043e \u0440\u0443\u043a\u0430\u043c \u0438 \u0437\u0430\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u0442 &#171;\u0433\u043e\u0432\u043e\u0440\u0438\u0442\u044c \u0448\u0435\u043f\u043e\u0442\u043e\u043c&#187;. \u042d\u0442\u043e \u0441\u043e\u0437\u0434\u0430\u0435\u0442 \u0438\u0441\u043a\u0443\u0441\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0435 \u0441\u043e\u043f\u0440\u043e\u0442\u0438\u0432\u043b\u0435\u043d\u0438\u0435 \u0432 \u043f\u043e\u0442\u043e\u043a\u0435 \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442\u043e\u0432. \u0412\u044b \u0437\u0430\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u0442\u0435 \u0441\u0435\u0442\u044c \u0442\u0440\u0430\u0442\u0438\u0442\u044c \u0434\u0440\u0430\u0433\u043e\u0446\u0435\u043d\u043d\u0443\u044e \u0435\u043c\u043a\u043e\u0441\u0442\u044c \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440\u0430 \u043d\u0430 \u0442\u043e, \u0447\u0442\u043e\u0431\u044b \u0431\u043e\u0440\u043e\u0442\u044c\u0441\u044f \u0441 \u0432\u0430\u0448\u0435\u0439 \u0436\u0435 \u0440\u0435\u0433\u0443\u043b\u044f\u0440\u0438\u0437\u0430\u0446\u0438\u0435\u0439.  <\/p>\n<h4>\u041a\u0430\u043a \u044d\u0442\u043e \u043b\u0435\u0447\u0438\u0442\u044c? (\u0418 \u043f\u043e\u0447\u0435\u043c\u0443 \u043e\u0431 \u044d\u0442\u043e\u043c \u043d\u0435 \u043f\u0438\u0448\u0443\u0442 \u0432 \u0442\u0443\u0442\u043e\u0440\u0438\u0430\u043b\u0430\u0445)<\/h4>\n<p>\u0412 \u0441\u0435\u0440\u044c\u0435\u0437\u043d\u044b\u0445 \u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u044f\u0445 \u0432\u044b \u043d\u0438\u043a\u043e\u0433\u0434\u0430 \u043d\u0435 \u043d\u0430\u0439\u0434\u0435\u0442\u0435 \u0441\u043b\u0435\u043f\u043e\u0433\u043e<\/p>\n<p>\u00a0<code>optimizer = AdamW(model.parameters()).  <\/code><\/p>\n<p>\u041f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u0439 \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u043d\u044b\u0439 \u043f\u043e\u0434\u0445\u043e\u0434 &#8212; <em>\u0434\u0435\u043a\u0430\u043f\u043b\u0438\u043d\u0433<\/em> (\u0440\u0430\u0437\u0434\u0435\u043b\u0435\u043d\u0438\u0435) \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432. \u041c\u044b \u0434\u043e\u043b\u0436\u043d\u044b \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0442\u044c Weight Decay \u0442\u043e\u043b\u044c\u043a\u043e \u043a \u043c\u043d\u043e\u0433\u043e\u043c\u0435\u0440\u043d\u044b\u043c \u043c\u0430\u0442\u0440\u0438\u0446\u0430\u043c \u0432\u0435\u0441\u043e\u0432 (<em>Linear<\/em>, <em>Conv<\/em>), \u0438 \u043e\u0442\u043a\u043b\u044e\u0447\u0430\u0442\u044c \u0435\u0433\u043e \u0434\u043b\u044f \u043e\u0434\u043d\u043e\u043c\u0435\u0440\u043d\u044b\u0445 \u0442\u0435\u043d\u0437\u043e\u0440\u043e\u0432 (<em>Norm<\/em>, <em>Bias<\/em>) \u0438 \u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u043e\u0432.<\/p>\n<p>\u041d\u0430 Pytorch \u044d\u0442\u043e \u0434\u0435\u043b\u0430\u0435\u0442\u0441\u044f \u0447\u0435\u0440\u0435\u0437 \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u0435 \u0433\u0440\u0443\u043f\u043f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432. \u0412\u043e\u0442 \u043a\u0430\u043a \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0437\u0434\u043e\u0440\u043e\u0432\u044b\u0439 \u043a\u043e\u0434 \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440\u0430 \u0434\u043b\u044f \u0422\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440\u0430:<\/p>\n<pre><code class=\"python\">def configure_optimizers(model, weight_decay, learning_rate):    # \u0420\u0430\u0437\u0434\u0435\u043b\u044f\u0435\u043c \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b \u043d\u0430 \u0442\u0435, \u0447\u0442\u043e \u043d\u0443\u0436\u043d\u043e \"\u0434\u0435\u043a\u0435\u0438\u0442\u044c\", \u0438 \u0442\u0435, \u0447\u0442\u043e \u043d\u0435\u0442    decay = set()    no_decay = set()        # \u0411\u0435\u0436\u0438\u043c \u043f\u043e \u0432\u0441\u0435\u043c \u043c\u043e\u0434\u0443\u043b\u044f\u043c \u0441\u0435\u0442\u0438    for mn, m in model.named_modules():        for pn, p in m.named_parameters():            fpn = '%s.%s' % (mn, pn) if mn else pn # \u043f\u043e\u043b\u043d\u044b\u0439 \u043f\u0443\u0442\u044c \u043a \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0443                        if pn.endswith('bias'):                no_decay.add(fpn)            elif pn.endswith('weight') and isinstance(m, (nn.Linear, nn.Conv2d)):                decay.add(fpn)            elif isinstance(m, (nn.LayerNorm, nn.Embedding, nn.RMSNorm)):                no_decay.add(fpn)    # \u0421\u043e\u0431\u0438\u0440\u0430\u0435\u043c \u0433\u0440\u0443\u043f\u043f\u044b \u0434\u043b\u044f \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440\u0430    param_dict = {pn: p for pn, p in model.named_parameters()}    optim_groups = [        {\"params\": [param_dict[pn] for pn in sorted(list(decay))], \"weight_decay\": weight_decay},        {\"params\": [param_dict[pn] for pn in sorted(list(no_decay))], \"weight_decay\": 0.0},    ]        optimizer = torch.optim.AdamW(optim_groups, lr=learning_rate)    return optimizer<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:87px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<h4>\u0417\u0430\u043a\u043b\u044e\u0447\u0435\u043d\u0438\u0435<\/h4>\n<p>\u0418\u043d\u0434\u0443\u0441\u0442\u0440\u0438\u044f \u0418\u0418 \u0441\u0435\u0433\u043e\u0434\u043d\u044f \u0441\u0442\u0440\u0430\u0434\u0430\u0435\u0442 \u043e\u0442 \u0438\u0437\u0431\u044b\u0442\u043a\u0430 \u0430\u0431\u0441\u0442\u0440\u0430\u043a\u0446\u0438\u0439. \u0412\u044b\u0441\u043e\u043a\u043e\u0443\u0440\u043e\u0432\u043d\u0435\u0432\u044b\u0435 \u0444\u0440\u0435\u0439\u043c\u0432\u043e\u0440\u043a\u0438 \u043f\u0440\u044f\u0447\u0443\u0442 \u043e\u0442 \u043d\u0430\u0441 \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0443, \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u044f \u043e\u0431\u0443\u0447\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u0438 \u0432 \u0442\u0440\u0438 \u0441\u0442\u0440\u043e\u0447\u043a\u0438 \u043a\u043e\u0434\u0430. \u041d\u043e \u0434\u044c\u044f\u0432\u043e\u043b \u0432\u0441\u0435\u0433\u0434\u0430 \u043a\u0440\u043e\u0435\u0442\u0441\u044f \u0432 \u0434\u0435\u0442\u0430\u043b\u044f\u0445.<\/p>\n<p>\u041e\u0434\u0438\u043d \u0434\u0435\u0444\u043e\u043b\u0442\u043d\u044b\u0439 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u00a0<code><em>weight_decay=0.1<\/em><\/code>, \u043f\u0440\u0438\u043c\u0435\u043d\u0435\u043d\u043d\u044b\u0439 \u043d\u0435 \u043a \u0442\u0435\u043c \u0442\u0435\u043d\u0437\u043e\u0440\u0430\u043c, \u043c\u043e\u0436\u0435\u0442 \u0441\u0442\u043e\u0438\u0442\u044c \u0432\u0430\u043c \u043f\u0430\u0440\u044b \u043f\u0440\u043e\u0446\u0435\u043d\u0442\u043e\u0432 \u0442\u043e\u0447\u043d\u043e\u0441\u0442\u0438, \u043f\u043e\u0442\u0435\u0440\u0438 \u0440\u0435\u0434\u043a\u0438\u0445 \u0444\u0430\u043a\u0442\u043e\u0432 \u0432 LLM \u0438\u043b\u0438 \u043f\u0440\u0438\u0432\u0435\u0441\u0442\u0438 \u043a \u0437\u0430\u0433\u0430\u0434\u043e\u0447\u043d\u043e\u0439 \u043d\u0435\u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u043e\u0441\u0442\u0438 \u043f\u0440\u0438 \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0438 \u0433\u043b\u0443\u0431\u0438\u043d\u044b \u0441\u0435\u0442\u0438.<\/p>\n<p>\u041d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0438 \u043b\u0435\u043d\u0438\u0432\u044b. \u041e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440\u044b \u0441\u043b\u0435\u043f\u044b. \u0417\u0430\u0434\u0430\u0447\u0430 \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u0430 \u043d\u0430\u043f\u0440\u0430\u0432\u043b\u044f\u0442\u044c \u0438\u0445, \u043e\u043f\u0438\u0440\u0430\u044f\u0441\u044c \u043d\u0430 \u0433\u0435\u043e\u043c\u0435\u0442\u0440\u0438\u044e \u0438 \u0444\u0438\u0437\u0438\u043a\u0443 \u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0430, \u0430 \u043d\u0435 \u043d\u0430 \u0434\u0435\u0444\u043e\u043b\u0442\u043d\u044b\u0435 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b \u0438\u0437 \u0442\u0443\u0442\u043e\u0440\u0438\u0430\u043b\u043e\u0432.<\/p>\n<p>\u0423\u0434\u0430\u0447\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u0438 \u0431\u0435\u0440\u0435\u0433\u0438\u0442\u0435 \u0441\u0432\u043e\u0438 \u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u0438!<\/p>\n<\/div>\n<p>\u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/articles\/1036146\/\">https:\/\/habr.com\/ru\/articles\/1036146\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>\u0423 \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0438\u0437 \u043d\u0430\u0441 \u0435\u0441\u0442\u044c &#171;\u043c\u044b\u0448\u0435\u0447\u043d\u0430\u044f \u043f\u0430\u043c\u044f\u0442\u044c&#187; \u043f\u0440\u0438 \u043d\u0430\u043f\u0438\u0441\u0430\u043d\u0438\u0438 \u043a\u043e\u0434\u0430 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0435\u0439. \u041c\u044b \u0441\u043e\u0431\u0438\u0440\u0430\u0435\u043c \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0443, \u0430 \u0437\u0430\u0442\u0435\u043c \u043f\u0438\u0448\u0435\u043c \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u0442\u0430\u043a\u0443\u044e \u0441\u0442\u0440\u043e\u0447\u043a\u0443, \u0434\u0430\u0436\u0435 \u043d\u0435 \u0437\u0430\u0434\u0443\u043c\u044b\u0432\u0430\u044f\u0441\u044c:  optimizer = torch.optim.AdamW(model.parameters(), lr=1e-4, weight_decay=0.1)Weight Decay (L2-\u0440\u0435\u0433\u0443\u043b\u044f\u0440\u0438\u0437\u0430\u0446\u0438\u044f)\u00a0\u044d\u0442\u043e \u0431\u0430\u0437\u0430. \u041c\u044b \u0437\u043d\u0430\u0435\u043c, \u0447\u0442\u043e \u043e\u043d \u0442\u044f\u043d\u0435\u0442 \u0432\u0435\u0441\u0430 \u043a \u043d\u0443\u043b\u044e, \u043d\u0435 \u0434\u0430\u0435\u0442 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u044b\u043c \u043d\u0435\u0439\u0440\u043e\u043d\u0430\u043c &#171;\u0437\u0430\u0437\u0432\u0435\u0437\u0434\u0438\u0442\u044c\u0441\u044f&#187; \u0438 \u043f\u0440\u0435\u0434\u043e\u0442\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u043f\u0435\u0440\u0435\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435. \u0414\u043b\u044f \u043b\u0438\u043d\u0435\u0439\u043d\u044b\u0445 \u0441\u043b\u043e\u0435\u0432 (W * X) \u044d\u0442\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0432\u0435\u043b\u0438\u043a\u043e\u043b\u0435\u043f\u043d\u043e. \u041d\u043e \u0422\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440 \u0441\u043e\u0441\u0442\u043e\u0438\u0442 \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u0438\u0437 \u043c\u0430\u0442\u0440\u0438\u0446\u00a0W. \u0412 \u043d\u0435\u043c \u0435\u0441\u0442\u044c \u0441\u043f\u0435\u0446\u0438\u0444\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0441\u043b\u043e\u0438, \u0434\u043b\u044f \u043a\u043e\u0442\u043e\u0440\u044b\u0445 Weight Decay \u044d\u0442\u043e \u043d\u0435 \u043b\u0435\u043a\u0430\u0440\u0441\u0442\u0432\u043e \u043e\u0442 \u043f\u0435\u0440\u0435\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u0430\u00a0\u0442\u0438\u0445\u0438\u0439 \u0443\u0431\u0438\u0439\u0446\u0430, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043c\u0435\u0434\u043b\u0435\u043d\u043d\u043e \u0440\u0430\u0437\u0440\u0443\u0448\u0430\u0435\u0442 \u0433\u0435\u043e\u043c\u0435\u0442\u0440\u0438\u044e \u043b\u0430\u0442\u0435\u043d\u0442\u043d\u043e\u0433\u043e \u043f\u0440\u043e\u0441\u0442\u0440\u0430\u043d\u0441\u0442\u0432\u0430 \u0438 \u0434\u0443\u0448\u0438\u0442 \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442\u044b.\u0414\u0430\u0432\u0430\u0439\u0442\u0435 \u0437\u0430\u043b\u0435\u0437\u0435\u043c \u043f\u043e\u0434 \u043a\u0430\u043f\u043e\u0442 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440\u0430 \u0438 \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0438\u043c, \u043a\u0430\u043a \u0441\u043b\u0435\u043f\u043e\u0435 \u043f\u0440\u0438\u043c\u0435\u043d\u0435\u043d\u0438\u0435 Weight Decay \u0443\u043d\u0438\u0447\u0442\u043e\u0436\u0430\u0435\u0442 \u0432\u0430\u0448\u0438 \u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u0438 \u0438 \u0441\u043b\u043e\u0438 \u043d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438.\u0424\u0438\u0437\u0438\u043a\u0430 Weight Decay\u0427\u0442\u043e\u0431\u044b \u043f\u043e\u043d\u044f\u0442\u044c \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443, \u043d\u0443\u0436\u043d\u043e \u0432\u0441\u043f\u043e\u043c\u043d\u0438\u0442\u044c \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0443\u00a0AdamW. \u0412 \u043e\u0442\u043b\u0438\u0447\u0438\u0435 \u043e\u0442 \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442\u0430, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043e\u0431\u043d\u043e\u0432\u043b\u044f\u0435\u0442 \u0432\u0435\u0441 \u0442\u043e\u043b\u044c\u043a\u043e \u0435\u0441\u043b\u0438 \u0435\u0441\u0442\u044c \u043e\u0448\u0438\u0431\u043a\u0430, Weight Decay \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u0442\u0441\u044f\u00a0\u0431\u0435\u0437\u0443\u0441\u043b\u043e\u0432\u043d\u043e\u00a0\u043d\u0430 \u043a\u0430\u0436\u0434\u043e\u043c \u0448\u0430\u0433\u0435 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440\u0430:Wnew\u200b=Wold\u200b\u2212\u03b7\u22c5\u2207L\u2212\u03b7\u22c5\u03bb\u22c5Wold\u200b  \u0413\u0434\u0435\u00a0\u03bb \u044d\u0442\u043e \u043d\u0430\u0448\u00a0weight_decay.\u0424\u0438\u0437\u0438\u0447\u0435\u0441\u043a\u0438 \u044d\u0442\u043e \u0433\u0440\u0430\u0432\u0438\u0442\u0430\u0446\u0438\u044f. \u041d\u0430 \u043a\u0430\u0436\u0434\u043e\u043c \u0448\u0430\u0433\u0435 (\u043d\u0430 \u043a\u0430\u0436\u0434\u043e\u043c \u0431\u0430\u0442\u0447\u0435) \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440 &#171;\u043e\u0442\u043a\u0443\u0441\u044b\u0432\u0430\u0435\u0442&#187; \u043e\u0442 \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0432\u0435\u0441\u0430 \u043c\u0438\u043a\u0440\u043e\u0441\u043a\u043e\u043f\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u043f\u0440\u043e\u0446\u0435\u043d\u0442 \u0435\u0433\u043e \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f, \u043d\u0435\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e \u043e\u0442 \u0442\u043e\u0433\u043e, \u0447\u0442\u043e \u0433\u043e\u0432\u043e\u0440\u044f\u0442 \u0434\u0430\u043d\u043d\u044b\u0435. \u0410 \u0442\u0435\u043f\u0435\u0440\u044c \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0438\u043c, \u0447\u0442\u043e \u044d\u0442\u0430 \u0433\u0440\u0430\u0432\u0438\u0442\u0430\u0446\u0438\u044f \u0434\u0435\u043b\u0430\u0435\u0442 \u0441 \u0440\u0430\u0437\u043d\u044b\u043c\u0438 \u0447\u0430\u0441\u0442\u044f\u043c\u0438 \u0441\u0435\u0442\u0438.  \u0416\u0435\u0440\u0442\u0432\u0430 \u21161: \u042d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u0438 (\u0427\u0435\u0440\u043d\u0430\u044f \u0434\u044b\u0440\u0430 \u0434\u043b\u044f \u0440\u0435\u0434\u043a\u0438\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432)\u0421\u043b\u043e\u0439 \u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u043e\u0432 (nn.Embedding)  \u044d\u0442\u043e \u043e\u0433\u0440\u043e\u043c\u043d\u0430\u044f lookup-\u0442\u0430\u0431\u043b\u0438\u0446\u0430 (\u0421\u043b\u043e\u0432\u0430\u0440\u044c\u00a0*\u00a0\u0420\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u044c).\u0413\u043b\u0430\u0432\u043d\u043e\u0435 \u043e\u0442\u043b\u0438\u0447\u0438\u0435 \u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u043e\u0432 \u043e\u0442 \u043b\u0438\u043d\u0435\u0439\u043d\u044b\u0445 \u0441\u043b\u043e\u0435\u0432 \u0440\u0430\u0437\u0440\u0435\u0436\u0435\u043d\u043d\u043e\u0441\u0442\u044c \u043e\u0431\u043d\u043e\u0432\u043b\u0435\u043d\u0438\u0439.\u041a\u043e\u0433\u0434\u0430 \u0432\u044b \u043f\u0440\u043e\u0433\u043e\u043d\u044f\u0435\u0442\u0435 \u0431\u0430\u0442\u0447 \u0442\u0435\u043a\u0441\u0442\u0430, \u0432 \u043d\u0435\u043c \u0443\u0447\u0430\u0441\u0442\u0432\u0443\u044e\u0442, \u0441\u043a\u0430\u0436\u0435\u043c, 2000 \u0443\u043d\u0438\u043a\u0430\u043b\u044c\u043d\u044b\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432. \u0413\u0440\u0430\u0434\u0438\u0435\u043d\u0442 (\u2207L) \u0432\u044b\u0447\u0438\u0441\u043b\u044f\u0435\u0442\u0441\u044f\u00a0\u0442\u043e\u043b\u044c\u043a\u043e\u00a0\u0434\u043b\u044f \u044d\u0442\u0438\u0445 2000 \u0442\u043e\u043a\u0435\u043d\u043e\u0432. \u0414\u043b\u044f \u043e\u0441\u0442\u0430\u043b\u044c\u043d\u044b\u0445 48 000 \u0441\u043b\u043e\u0432 \u0438\u0437 \u0432\u0430\u0448\u0435\u0433\u043e \u0441\u043b\u043e\u0432\u0430\u0440\u044f \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442 \u0440\u0430\u0432\u0435\u043d \u043d\u0443\u043b\u044e.\u041d\u043e \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440\u0443\u00a0AdamW\u00a0\u0432\u0441\u0451 \u0440\u0430\u0432\u043d\u043e! \u0412\u044b \u043f\u0435\u0440\u0435\u0434\u0430\u043b\u0438 \u0435\u043c\u0443\u00a0model.parameters(), \u0438 \u043e\u043d \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u0442 \u043f\u0440\u0430\u0432\u0438\u043b\u043e Weight Decay \u043a\u043e \u0432\u0441\u0435\u0439 \u043c\u0430\u0442\u0440\u0438\u0446\u0435 \u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u043e\u0432.\u0427\u0442\u043e \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442 \u0432 \u0440\u0435\u0430\u043b\u044c\u043d\u043e\u0441\u0442\u0438:\u041f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u044c\u0442\u0435 \u0440\u0435\u0434\u043a\u043e\u0435 \u0441\u043b\u043e\u0432\u043e, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, &#171;\u0423\u0442\u043a\u043e\u043d\u043e\u0441&#187;. \u041e\u043d\u043e \u0432\u0441\u0442\u0440\u0435\u0442\u0438\u043b\u043e\u0441\u044c \u0432 \u043f\u0435\u0440\u0432\u043e\u043c \u0431\u0430\u0442\u0447\u0435, \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u0434\u0432\u0438\u043d\u0443\u043b\u0430 \u0435\u0433\u043e \u0432\u0435\u043a\u0442\u043e\u0440 \u0432 \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e\u043c \u043d\u0430\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u0438. \u0421\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0440\u0430\u0437 \u0441\u043b\u043e\u0432\u043e &#171;\u0423\u0442\u043a\u043e\u043d\u043e\u0441&#187; \u0432\u0441\u0442\u0440\u0435\u0442\u0438\u0442\u0441\u044f \u0447\u0435\u0440\u0435\u0437 10 000 \u0431\u0430\u0442\u0447\u0435\u0439.\u0412\u0441\u0435 \u044d\u0442\u0438 10 000 \u0448\u0430\u0433\u043e\u0432 \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442 \u0434\u043b\u044f &#171;\u0423\u0442\u043a\u043e\u043d\u043e\u0441\u0430&#187; \u0440\u0430\u0432\u0435\u043d \u043d\u0443\u043b\u044e. \u041d\u043e \u0444\u043e\u0440\u043c\u0443\u043b\u0430 Weight Decay \u043f\u0440\u043e\u0434\u043e\u043b\u0436\u0430\u0435\u0442 \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c:   W\u0443\u0442\u043a\u043e\u043d\u043e\u0441\u200b=W\u0443\u0442\u043a\u043e\u043d\u043e\u0441\u200b\u22120\u2212\u03b7\u22c5\u03bb\u22c5W\u0443\u0442\u043a\u043e\u043d\u043e\u0441\u200b  \u041e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440 \u043c\u0435\u0442\u043e\u0434\u0438\u0447\u043d\u043e \u0443\u043c\u043d\u043e\u0436\u0430\u0435\u0442 \u0432\u0435\u043a\u0442\u043e\u0440 \u0440\u0435\u0434\u043a\u043e\u0433\u043e \u0441\u043b\u043e\u0432\u0430 \u043d\u0430 \u0443\u0441\u043b\u043e\u0432\u043d\u044b\u0435\u00a00.999 \u0434\u0435\u0441\u044f\u0442\u044c \u0442\u044b\u0441\u044f\u0447 \u0440\u0430\u0437 \u043f\u043e\u0434\u0440\u044f\u0434. \u041a \u0442\u043e\u043c\u0443 \u043c\u043e\u043c\u0435\u043d\u0442\u0443, \u043a\u043e\u0433\u0434\u0430 &#171;\u0423\u0442\u043a\u043e\u043d\u043e\u0441&#187; \u0441\u043d\u043e\u0432\u0430 \u043f\u043e\u044f\u0432\u0438\u0442\u0441\u044f \u0432 \u0442\u0435\u043a\u0441\u0442\u0435, \u0435\u0433\u043e \u0432\u0435\u043a\u0442\u043e\u0440 \u0441\u0445\u043b\u043e\u043f\u043d\u0435\u0442\u0441\u044f \u0432 \u043d\u043e\u043b\u044c.\u00a0\u0412\u0441\u044f \u0441\u0435\u043c\u0430\u043d\u0442\u0438\u0447\u0435\u0441\u043a\u0430\u044f \u0433\u0435\u043e\u043c\u0435\u0442\u0440\u0438\u044f, \u043a\u043e\u0442\u043e\u0440\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c \u0432\u044b\u0443\u0447\u0438\u043b\u0430 \u0434\u043b\u044f \u0440\u0435\u0434\u043a\u0438\u0445 \u0441\u043b\u043e\u0432, \u0441\u0442\u0438\u0440\u0430\u0435\u0442\u0441\u044f \u0432 \u043f\u044b\u043b\u044c.\u0418\u0437-\u0437\u0430 \u0433\u043b\u043e\u0431\u0430\u043b\u044c\u043d\u043e\u0433\u043e Weight Decay \u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u0438 \u0440\u0435\u0434\u043a\u0438\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u043f\u043e\u0441\u0442\u043e\u044f\u043d\u043d\u043e &#171;\u0437\u0430\u0441\u0430\u0441\u044b\u0432\u0430\u0435\u0442&#187; \u0432 \u0446\u0435\u043d\u0442\u0440 \u043a\u043e\u043e\u0440\u0434\u0438\u043d\u0430\u0442, \u043b\u0438\u0448\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u043e\u0441\u0442\u0438 \u043f\u043e\u043d\u0438\u043c\u0430\u0442\u044c \u0443\u0437\u043a\u043e\u0441\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0439 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442.\u0416\u0435\u0440\u0442\u0432\u0430 \u21162: \u0421\u043b\u043e\u0438 \u043d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 (\u0423\u0434\u0443\u0448\u0435\u043d\u0438\u0435 \u0441\u0438\u0433\u043d\u0430\u043b\u0430)\u0421\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0435 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u044b (LLaMA, Mistral, Gemma) \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442\u00a0RMSNorm. \u0423 \u044d\u0442\u0438\u0445 \u0441\u043b\u043e\u0435\u0432 \u043d\u0435\u0442 \u0432\u0435\u0441\u043e\u0432 \u0432 \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u043e\u043c \u043f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u0438. \u0423 \u043d\u0438\u0445 \u0435\u0441\u0442\u044c \u043e\u0431\u0443\u0447\u0430\u0435\u043c\u044b\u0439 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u00a0Scale (\u03b3)\u0417\u0430\u0447\u0435\u043c \u043d\u0443\u0436\u0435\u043d Scale (\u03b3)? \u041d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f \u043f\u0440\u0438\u043d\u0443\u0434\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0434\u0435\u043b\u0430\u0435\u0442 \u0434\u0438\u0441\u043f\u0435\u0440\u0441\u0438\u044e \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u0440\u0430\u0432\u043d\u043e\u0439 \u0435\u0434\u0438\u043d\u0438\u0446\u0435. \u041d\u043e \u0438\u043d\u043e\u0433\u0434\u0430 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u043c\u0443 \u0441\u043b\u043e\u044e (\u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0438) \u043d\u0443\u0436\u043d\u0430 \u0434\u0440\u0443\u0433\u0430\u044f \u0430\u043c\u043f\u043b\u0438\u0442\u0443\u0434\u0430 \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u0434\u043b\u044f \u043a\u043e\u0440\u0440\u0435\u043a\u0442\u043d\u043e\u0439 \u0440\u0430\u0431\u043e\u0442\u044b. \u041e\u0431\u0443\u0447\u0430\u0435\u043c\u044b\u0439 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u00a0\u03b3\u00a0\u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u0435\u0442\u00a0\u0438\u0441\u043a\u043b\u044e\u0447\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0434\u043b\u044f \u0442\u043e\u0433\u043e, \u0447\u0442\u043e\u0431\u044b \u0441\u0435\u0442\u044c \u043c\u043e\u0433\u043b\u0430 \u0432\u043e\u0441\u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u044c \u043d\u0443\u0436\u043d\u044b\u0439 \u043c\u0430\u0441\u0448\u0442\u0430\u0431 \u0434\u0438\u0441\u043f\u0435\u0440\u0441\u0438\u0438.  \u0427\u0442\u043e \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442, \u0435\u0441\u043b\u0438 \u043c\u044b \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u043c \u043a\u00a0\u03b3\u00a0Weight Decay? \u041c\u044b \u0431\u0443\u043a\u0432\u0430\u043b\u044c\u043d\u043e \u0433\u043e\u0432\u043e\u0440\u0438\u043c \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440\u0443:\u00a0&#171;\u0428\u0442\u0440\u0430\u0444\u0443\u0439 \u0441\u0435\u0442\u044c \u0437\u0430 \u0431\u043e\u043b\u044c\u0448\u0443\u044e \u0430\u043c\u043f\u043b\u0438\u0442\u0443\u0434\u0443 \u0441\u0438\u0433\u043d\u0430\u043b\u0430&#187;.  Weight Decay \u043f\u043e\u0441\u0442\u043e\u044f\u043d\u043d\u043e \u0442\u044f\u043d\u0435\u0442\u00a0\u03b3\u00a0\u043a \u043d\u0443\u043b\u044e. \u0421\u0435\u0442\u044c \u043f\u044b\u0442\u0430\u0435\u0442\u0441\u044f \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0441\u0438\u0433\u043d\u0430\u043b \u0433\u0440\u043e\u043c\u0447\u0435, \u0447\u0442\u043e\u0431\u044b \u043f\u0440\u043e\u0442\u043e\u043b\u043a\u043d\u0443\u0442\u044c \u0435\u0433\u043e \u0447\u0435\u0440\u0435\u0437 \u0433\u043b\u0443\u0431\u043e\u043a\u0438\u0435 \u0441\u043b\u043e\u0438, \u0430 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440 \u0431\u044c\u0435\u0442 \u0435\u0435 \u043f\u043e \u0440\u0443\u043a\u0430\u043c \u0438 \u0437\u0430\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u0442 &#171;\u0433\u043e\u0432\u043e\u0440\u0438\u0442\u044c \u0448\u0435\u043f\u043e\u0442\u043e\u043c&#187;. \u042d\u0442\u043e \u0441\u043e\u0437\u0434\u0430\u0435\u0442 \u0438\u0441\u043a\u0443\u0441\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0435 \u0441\u043e\u043f\u0440\u043e\u0442\u0438\u0432\u043b\u0435\u043d\u0438\u0435 \u0432 \u043f\u043e\u0442\u043e\u043a\u0435 \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442\u043e\u0432. \u0412\u044b \u0437\u0430\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u0442\u0435 \u0441\u0435\u0442\u044c \u0442\u0440\u0430\u0442\u0438\u0442\u044c \u0434\u0440\u0430\u0433\u043e\u0446\u0435\u043d\u043d\u0443\u044e \u0435\u043c\u043a\u043e\u0441\u0442\u044c \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440\u0430 \u043d\u0430 \u0442\u043e, \u0447\u0442\u043e\u0431\u044b \u0431\u043e\u0440\u043e\u0442\u044c\u0441\u044f \u0441 \u0432\u0430\u0448\u0435\u0439 \u0436\u0435 \u0440\u0435\u0433\u0443\u043b\u044f\u0440\u0438\u0437\u0430\u0446\u0438\u0435\u0439.  \u041a\u0430\u043a \u044d\u0442\u043e \u043b\u0435\u0447\u0438\u0442\u044c? (\u0418 \u043f\u043e\u0447\u0435\u043c\u0443 \u043e\u0431 \u044d\u0442\u043e\u043c \u043d\u0435 \u043f\u0438\u0448\u0443\u0442 \u0432 \u0442\u0443\u0442\u043e\u0440\u0438\u0430\u043b\u0430\u0445)\u0412 \u0441\u0435\u0440\u044c\u0435\u0437\u043d\u044b\u0445 \u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u044f\u0445 \u0432\u044b \u043d\u0438\u043a\u043e\u0433\u0434\u0430 \u043d\u0435 \u043d\u0430\u0439\u0434\u0435\u0442\u0435 \u0441\u043b\u0435\u043f\u043e\u0433\u043e\u00a0optimizer = AdamW(model.parameters()).  \u041f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u0439 \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u043d\u044b\u0439 \u043f\u043e\u0434\u0445\u043e\u0434 &#8212; \u0434\u0435\u043a\u0430\u043f\u043b\u0438\u043d\u0433 (\u0440\u0430\u0437\u0434\u0435\u043b\u0435\u043d\u0438\u0435) \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432. \u041c\u044b \u0434\u043e\u043b\u0436\u043d\u044b \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0442\u044c Weight Decay \u0442\u043e\u043b\u044c\u043a\u043e \u043a \u043c\u043d\u043e\u0433\u043e\u043c\u0435\u0440\u043d\u044b\u043c \u043c\u0430\u0442\u0440\u0438\u0446\u0430\u043c \u0432\u0435\u0441\u043e\u0432 (Linear, Conv), \u0438 \u043e\u0442\u043a\u043b\u044e\u0447\u0430\u0442\u044c \u0435\u0433\u043e \u0434\u043b\u044f \u043e\u0434\u043d\u043e\u043c\u0435\u0440\u043d\u044b\u0445 \u0442\u0435\u043d\u0437\u043e\u0440\u043e\u0432 (Norm, Bias) \u0438 \u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u043e\u0432.\u041d\u0430 Pytorch \u044d\u0442\u043e \u0434\u0435\u043b\u0430\u0435\u0442\u0441\u044f \u0447\u0435\u0440\u0435\u0437 \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u0435 \u0433\u0440\u0443\u043f\u043f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432. \u0412\u043e\u0442 \u043a\u0430\u043a \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0437\u0434\u043e\u0440\u043e\u0432\u044b\u0439 \u043a\u043e\u0434 \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440\u0430 \u0434\u043b\u044f \u0422\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440\u0430:def configure_optimizers(model, weight_decay, learning_rate):    # \u0420\u0430\u0437\u0434\u0435\u043b\u044f\u0435\u043c \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b \u043d\u0430 \u0442\u0435, \u0447\u0442\u043e \u043d\u0443\u0436\u043d\u043e &#171;\u0434\u0435\u043a\u0435\u0438\u0442\u044c&#187;, \u0438 \u0442\u0435, \u0447\u0442\u043e \u043d\u0435\u0442    decay = set()    no_decay = set()        # \u0411\u0435\u0436\u0438\u043c \u043f\u043e \u0432\u0441\u0435\u043c \u043c\u043e\u0434\u0443\u043b\u044f\u043c \u0441\u0435\u0442\u0438    for mn, m in model.named_modules():        for pn, p in m.named_parameters():            fpn = &#8216;%s.%s&#8217; % (mn, pn) if mn else pn # \u043f\u043e\u043b\u043d\u044b\u0439 \u043f\u0443\u0442\u044c \u043a \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0443                        if pn.endswith(&#8216;bias&#8217;):                no_decay.add(fpn)            elif pn.endswith(&#8216;weight&#8217;) and isinstance(m, (nn.Linear, nn.Conv2d)):                decay.add(fpn)            elif isinstance(m, (nn.LayerNorm, nn.Embedding, nn.RMSNorm)):                no_decay.add(fpn)    # \u0421\u043e\u0431\u0438\u0440\u0430\u0435\u043c \u0433\u0440\u0443\u043f\u043f\u044b \u0434\u043b\u044f \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440\u0430    param_dict = {pn: p for pn, p in model.named_parameters()}    optim_groups = [        {&#171;params&#187;: [param_dict[pn] for pn in sorted(list(decay))], &#171;weight_decay&#187;: weight_decay},        {&#171;params&#187;: [param_dict[pn] for pn in sorted(list(no_decay))], &#171;weight_decay&#187;: 0.0},    ]        optimizer = torch.optim.AdamW(optim_groups, lr=learning_rate)    return optimizer\u0417\u0430\u043a\u043b\u044e\u0447\u0435\u043d\u0438\u0435\u0418\u043d\u0434\u0443\u0441\u0442\u0440\u0438\u044f \u0418\u0418 \u0441\u0435\u0433\u043e\u0434\u043d\u044f \u0441\u0442\u0440\u0430\u0434\u0430\u0435\u0442 \u043e\u0442 \u0438\u0437\u0431\u044b\u0442\u043a\u0430 \u0430\u0431\u0441\u0442\u0440\u0430\u043a\u0446\u0438\u0439. \u0412\u044b\u0441\u043e\u043a\u043e\u0443\u0440\u043e\u0432\u043d\u0435\u0432\u044b\u0435 \u0444\u0440\u0435\u0439\u043c\u0432\u043e\u0440\u043a\u0438 \u043f\u0440\u044f\u0447\u0443\u0442 \u043e\u0442 \u043d\u0430\u0441 \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0443, \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u044f \u043e\u0431\u0443\u0447\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u0438 \u0432 \u0442\u0440\u0438 \u0441\u0442\u0440\u043e\u0447\u043a\u0438 \u043a\u043e\u0434\u0430. \u041d\u043e \u0434\u044c\u044f\u0432\u043e\u043b \u0432\u0441\u0435\u0433\u0434\u0430 \u043a\u0440\u043e\u0435\u0442\u0441\u044f \u0432 \u0434\u0435\u0442\u0430\u043b\u044f\u0445.\u041e\u0434\u0438\u043d \u0434\u0435\u0444\u043e\u043b\u0442\u043d\u044b\u0439 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u00a0weight_decay=0.1, \u043f\u0440\u0438\u043c\u0435\u043d\u0435\u043d\u043d\u044b\u0439 \u043d\u0435 \u043a \u0442\u0435\u043c \u0442\u0435\u043d\u0437\u043e\u0440\u0430\u043c, \u043c\u043e\u0436\u0435\u0442 \u0441\u0442\u043e\u0438\u0442\u044c \u0432\u0430\u043c \u043f\u0430\u0440\u044b \u043f\u0440\u043e\u0446\u0435\u043d\u0442\u043e\u0432 \u0442\u043e\u0447\u043d\u043e\u0441\u0442\u0438, \u043f\u043e\u0442\u0435\u0440\u0438 \u0440\u0435\u0434\u043a\u0438\u0445 \u0444\u0430\u043a\u0442\u043e\u0432 \u0432 LLM \u0438\u043b\u0438 \u043f\u0440\u0438\u0432\u0435\u0441\u0442\u0438 \u043a \u0437\u0430\u0433\u0430\u0434\u043e\u0447\u043d\u043e\u0439 \u043d\u0435\u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u043e\u0441\u0442\u0438 \u043f\u0440\u0438 \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0438 \u0433\u043b\u0443\u0431\u0438\u043d\u044b \u0441\u0435\u0442\u0438.\u041d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0438 \u043b\u0435\u043d\u0438\u0432\u044b. \u041e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440\u044b \u0441\u043b\u0435\u043f\u044b. \u0417\u0430\u0434\u0430\u0447\u0430 \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u0430 \u043d\u0430\u043f\u0440\u0430\u0432\u043b\u044f\u0442\u044c \u0438\u0445, \u043e\u043f\u0438\u0440\u0430\u044f\u0441\u044c \u043d\u0430 \u0433\u0435\u043e\u043c\u0435\u0442\u0440\u0438\u044e \u0438 \u0444\u0438\u0437\u0438\u043a\u0443 \u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0430, \u0430 \u043d\u0435 \u043d\u0430 \u0434\u0435\u0444\u043e\u043b\u0442\u043d\u044b\u0435 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b \u0438\u0437 \u0442\u0443\u0442\u043e\u0440\u0438\u0430\u043b\u043e\u0432.\u0423\u0434\u0430\u0447\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u0438 \u0431\u0435\u0440\u0435\u0433\u0438\u0442\u0435 \u0441\u0432\u043e\u0438 \u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u0438!\u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 https:\/\/habr.com\/ru\/articles\/1036146\/<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-480028","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/480028","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=480028"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/480028\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=480028"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=480028"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=480028"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}