在 Pytorch 中冻结单个权重

Question

下面的问题不是的重复，因为这个问题旨在从训练中冻结张量的一个子集，而不是整个层。

我正在尝试 PyTorch 实现彩票假设。

为此，我想冻结模型中为零的权重。以下是正确的实现方式吗？

for name, p in model.named_parameters():
            if 'weight' in name:
                tensor = p.data.cpu().numpy()
                grad_tensor = p.grad.data.cpu().numpy()
                grad_tensor = np.where(tensor == 0, 0, grad_tensor)
                p.grad.data = torch.from_numpy(grad_tensor).to(device)

Answer 1

如果您在 loss.backward() 之后和 optimizer.step() 之前（指的是这些变量名称的常见用法），您所拥有的似乎可以工作。这么一说，好像有点绕了。此外，如果您的权重是浮点值，那么 comparing them to exactly zero is probably a bad idea，我们可以引入一个 epsilon 来解决这个问题。 IMO 以下内容比您提出的解决方案更清晰：

# locate zero-value weights before training loop
EPS = 1e-6
locked_masks = {n: torch.abs(w) < EPS for n, w in model.named_parameters() if n.endswith('weight')}

...

for ... #training loop

    ...

    optimizer.zero_grad()
    loss.backward()
    # zero the gradients of interest
    for n, w in model.named_parameters():                                                                                                                                                                           
        if w.grad is not None and n in locked_masks:                                                                                                                                                                                   
            w.grad[locked_masks[n]] = 0 
    optimizer.step()

在 Pytorch 中冻结单个权重

Freezing Individual Weights in Pytorch

python

pytorch

freeze

pruning