pytorch如何凍結(jié)某層參數(shù)的實現(xiàn)
在遷移學(xué)習(xí)finetune時我們通常需要凍結(jié)前幾層的參數(shù)不參與訓(xùn)練,在Pytorch中的實現(xiàn)如下:
class Model(nn.Module): def __init__(self): super(Transfer_model, self).__init__() self.linear1 = nn.Linear(20, 50) self.linear2 = nn.Linear(50, 20) self.linear3 = nn.Linear(20, 2) def forward(self, x): pass
假如我們想要凍結(jié)linear1層,需要做如下操作:
model = Model() # 這里是一般情況,共享層往往不止一層,所以做一個for循環(huán) for para in model.linear1.parameters(): para.requires_grad = False # 假如真的只有一層也可以這樣操作: # model.linear1.weight.requires_grad = False
最后我們需要將需要優(yōu)化的參數(shù)傳入優(yōu)化器,不需要傳入的參數(shù)過濾掉,所以要用到filter()函數(shù)。
optimizer = optim.Adam(filter(lambda p: p.requires_grad, model.parameters()), lr=0.1)
其它的博客中都沒有講解filter()函數(shù)的作用,在這里我簡單講一下有助于更好的理解。
filter(function, iterable)
- function: 判斷函數(shù)
- iterable: 可迭代對象
filter() 函數(shù)用于過濾序列,過濾掉不符合條件的元素,返回一個迭代器對象,如果要轉(zhuǎn)換為列表,可以使用 list() 來轉(zhuǎn)換。
該接收兩個參數(shù),第一個為函數(shù),第二個為序列,序列的每個元素作為參數(shù)傳遞給函數(shù)進行判,然后返回 True 或 False,最后將返回 True 的元素放到新列表中。
filter()函數(shù)將requires_grad = True的參數(shù)傳入優(yōu)化器進行反向傳播,requires_grad = False的則被過濾掉。
以上就是本文的全部內(nèi)容,希望對大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
Python內(nèi)置函數(shù)input()示例詳解
input()函數(shù)是Python中用于獲取用戶輸入的一個簡單而強大的工具,它在創(chuàng)建需要用戶交互的程序時非常有用,這篇文章主要介紹了Python內(nèi)置函數(shù)input()詳解,需要的朋友可以參考下2024-04-04
Python drop方法刪除列之inplace參數(shù)實例
這篇文章主要介紹了Python drop方法刪除列之inplace參數(shù)實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-06-06
Python Web開發(fā)模板引擎優(yōu)缺點總結(jié)
這篇文章主要介紹了Python Web開發(fā)模板引擎優(yōu)缺點總結(jié),需要的朋友可以參考下2014-05-05
Python的Flask框架應(yīng)用調(diào)用Redis隊列數(shù)據(jù)的方法
這里為大家?guī)鞵ython的Flask框架應(yīng)用調(diào)用Redis隊列數(shù)據(jù)的方法,從而能夠?qū)崿F(xiàn)異步無阻塞從而提高某些實時處理情況下程序的性能,需要的朋友可以參考下2016-06-06

