【pytorch|【pytorch】冻结网络参数训练】假设我们想finetune一个网络,仅仅去训练conv8, prelu8, conv9,prelu9, conv10。在Pytorch中,一般是设置该variable的require_grad为False。
1.设置变量的variable中requires_grad属性
注意此处可以在定义网络的时候直接将requires_grad置于false。这里自行百度。
在特殊场景可以用下面的方法:注意all_net这里我定义了两个网络module。
conv8_params = list(map(id, all_net[0].conv8.parameters()))
prelu8_params = list(map(id, all_net[0].prelu8.parameters()))
conv9_params = list(map(id, all_net[0].conv9.parameters()))
prelu9_params = list(map(id, all_net[0].prelu9.parameters()))
conv10_params = list(map(id, all_net[0].conv10.parameters()))
base_params = filter(lambda p: id(p) not in conv8_params+prelu8_params+conv9_params+prelu9_params+conv10_params,all_net.parameters())
for p in base_params:
p.requires_grad = False
2.设置优化器,过滤掉requires_grad=False的参数
optimizer = optim.Adam(filter(lambda p: p.requires_grad, all_net.parameters()), lr=config.learning_rate, betas=(config.beta1, config.beta2), eps=1e-8,weight_decay=config.weight_decay)
3.打印变量 (此步仅仅为了调试所用)
for name, param in all_net.named_parameters():
if param.requires_grad:
print("requires_grad: True ", name)
else:
print("requires_grad: False ", name)
推荐阅读
- 重要|Pytorch 冻结网络层
- 单目标追踪|trdimp代码配置(pytracking,ubuntu18.04 + cuda11.3)
- Pytorch|Pytorch丨expand函数
- pytorch 中repeat函数
- pytorch|Pytorch函数expand()详解
- pytorch|pytorch中expand()和repeat()的区别
- 李宏毅机器学习|李宏毅2021年机器学习作业2(classification)实验记录
- 深度学习|基于pytorch用yolov5算法实现目标检测与分割
- 深度学习|在cmd中可以import torch在jupyter notebook却no module name “torch“