ICode9

精准搜索请尝试: 精确搜索
首页 > 其他分享> 文章详细

代码笔记13 pytorch冻结部分参数的坑

2022-06-10 23:33:49  阅读:223  来源: 互联网

标签:13 requires self state 笔记 freeze pytorch dict grad


问题

  关于在pytorch中冻结参数,我看网上大多都使用了

for param in net.parameters():
    param.requires_grad = False

  但我的需求是这样的,我创建了一个dict,里面含有对应的tensor的name与param,我想让根据这些名称对网络的参数进行冻结,这就用到了一个我们平时经常使用的查看网络参数的方法。

for name, para in net.state_dict().items:
    print(name, para.shape, para.requires_grad)

  通过这样的方式,我们可以查看网络中的参数名称,参数值,以及是否需要梯度(是否冻结参数)。
  但我这样的方法尝试了好几次发现,这样得出来的requires_grad全部为False。
在此感谢博客1
博客中写出关于state_dict()函数的说明可见2

在我们需要查看网络中的梯度时,需要使用state_dict(keep_vars=True)

回到原题,当我准备使用freeze_dict的name去冻结网络中的相应参数时,却发现没有效果

    def _freeze_parameters(self):
        freeze_dict = self.freezedict
        state_dict = self.state_dict()
        for k, v in freeze_dict.items():
            if k in state_dict:
                state_dict[k].requires_grad = False

其实问题依旧在keep_vars这里,所以不管我怎么修改,都不会影响网络传播中的梯度。

解决方法

加入keep_vars,修改网络,成功

    def _freeze_parameters(self):
        freeze_dict = self.freezedict
        state_dict = self.state_dict(keep_vars=True)
        for k, v in freeze_dict.items():
            if k in state_dict:
                state_dict[k].requires_grad = False

Refrences

[1] https://blog.csdn.net/qq_40268672/article/details/119620630
[2] https://stackoverflow.com/questions/57171426/pytorch-loss-decreases-even-if-requires-grad-false-for-all-variables

标签:13,requires,self,state,笔记,freeze,pytorch,dict,grad
来源: https://www.cnblogs.com/HumbleHater/p/16364955.html

本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享;
2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关;
3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关;
4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除;
5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有