pytorch 冻结权重并更新 param_groups

Question

在 pytorch 中为 param_groups 设置冻结权重。

所以如果一个人想在训练期间冻结重量：

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

还必须更新优化器以不包括非梯度权重：

optimizer = torch.optim.Adam(filter(lambda p: p.requires_grad, model.parameters()), lr=opt.lr, amsgrad=True)

如果想使用不同的weight_decay/学习率来表示偏差和权重/这也允许不同的学习率：

param_groups = [{'params': model.module.bias_parameters(), 'weight_decay': args.bias_decay},
                {'params': model.module.weight_parameters(), 'weight_decay': args.weight_decay}]

param_groups dics 的 list 被定义并传递给SGD，如下所示：

optimizer = torch.optim.Adam(param_groups, args.lr,
                                 betas=(args.momentum, args.beta))

如何通过冻结单个重量来实现这一点？在 dics 列表上运行过滤器，或者有没有办法单独将张量添加到优化器？

Answer 1

其实我认为你不必更新optimizer。交给optimizer 的Parameters 只是参考。

因此，当您更改 requires_grad 标志时，它将立即更新。

但即使由于某种原因并非如此 - 一旦您将 requires_grad 标志设置为 False 您就不能再计算任何渐变新渐变 （见底部None 和零梯度）这个权重，所以梯度不会再改变，如果你使用optimizer.zero_grad()，它将保持zero。

所以如果没有渐变，那么也没有必要从optimizer 中排除这些。因为没有梯度，optimizer 将什么都不做，无论你使用什么学习率。

这是一个展示这种行为的小例子：

import torch
import torch.nn as nn
import torch.optim as optim

n_dim = 5

p1 = nn.Linear(n_dim, 1)
p2 = nn.Linear(n_dim, 1)

optimizer = optim.Adam(list(p1.parameters())+list(p2.parameters()))
p2.weight.requires_grad = False
for i in range(4):
    dummy_loss = (p1(torch.rand(n_dim)) + p2(torch.rand(n_dim))).squeeze()
    optimizer.zero_grad()
    dummy_loss.backward()
    optimizer.step()
    print('p1: requires_grad =', p1.weight.requires_grad, ', gradient:', p1.weight.grad)
    print('p2: requires_grad =', p2.weight.requires_grad, ', gradient:', p2.weight.grad)
    print()

    if i == 1:
        p1.weight.requires_grad = False
        p2.weight.requires_grad = True

输出：

p1: requires_grad = True , gradient: tensor([[0.8522, 0.0020, 0.1092, 0.8167, 0.2144]])
p2: requires_grad = False , gradient: None

p1: requires_grad = True , gradient: tensor([[0.7635, 0.0652, 0.0902, 0.8549, 0.6273]])
p2: requires_grad = False , gradient: None

p1: requires_grad = False , gradient: tensor([[0., 0., 0., 0., 0.]])
p2: requires_grad = True , gradient: tensor([[0.1343, 0.1323, 0.9590, 0.9937, 0.2270]])

p1: requires_grad = False , gradient: tensor([[0., 0., 0., 0., 0.]])
p2: requires_grad = True , gradient: tensor([[0.0100, 0.0123, 0.8054, 0.9976, 0.6397]])

在这里您可以看到没有计算梯度。您可能已经注意到 p2 的渐变在开始时是 None，后来在停用渐变后，p1 是 tensor([[0., 0., 0., 0., 0.]]) 而不是 None。

之所以如此，是因为p1.weight.grad 只是一个被backward() 和optimizer.zero_grad() 修改的变量。

所以一开始p1.weight.grad 只是用None 初始化，在梯度写入或累积到这个变量之后，它们不会被自动清除。但是因为optimizer.zero_grad() 被调用，所以它们被设置为零并保持这样，因为backward() 不能再用requires_grad=False 计算新的梯度。

您还可以将if-statement 中的代码更改为：

if i == 1:
    p1.weight.requires_grad = False
    p1.weight.grad = None
    p2.weight.requires_grad = True

因此，一旦重置为None，它们将保持不变并保持None：

p1: requires_grad = True , gradient: tensor([[0.2375, 0.7528, 0.1501, 0.3516, 0.3470]])
p2: requires_grad = False , gradient: None

p1: requires_grad = True , gradient: tensor([[0.5181, 0.5178, 0.6590, 0.6950, 0.2743]])
p2: requires_grad = False , gradient: None

p1: requires_grad = False , gradient: None
p2: requires_grad = True , gradient: tensor([[0.4797, 0.7203, 0.2284, 0.9045, 0.6671]])

p1: requires_grad = False , gradient: None
p2: requires_grad = True , gradient: tensor([[0.8344, 0.1245, 0.0295, 0.2968, 0.8816]])

我希望这对你有意义！