欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

pytorch 實現(xiàn)模型不同層設置不同的學習率方式

 更新時間：2020年01月06日 09:52:43   作者：-wxrui-  
今天小編就為大家分享一篇pytorch 實現(xiàn)模型不同層設置不同的學習率方式，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

在目標檢測的模型訓練中， 我們通常都會有一個特征提取網(wǎng)絡backbone， 例如YOLO使用的darknet SSD使用的VGG-16。

為了達到比較好的訓練效果， 往往會加載預訓練的backbone模型參數(shù)， 然后在此基礎上訓練檢測網(wǎng)絡， 并對backbone進行微調(diào)， 這時候就需要為backbone設置一個較小的lr。

class net(torch.nn.Module):
  def __init__(self):
    super(net, self).__init__()
    # backbone
    self.backbone = ...
    # detect
    self....

在設置optimizer時， 只需要參數(shù)分為兩個部分， 并分別給定不同的學習率lr。

base_params = list(map(id, net.backbone.parameters()))
logits_params = filter(lambda p: id(p) not in base_params, net.parameters())
params = [
  {"params": logits_params, "lr": config.lr},
  {"params": net.backbone.parameters(), "lr": config.backbone_lr},
]
optimizer = torch.optim.SGD(params, momentum=config.momentum, weight_decay=config.weight_decay)

以上這篇pytorch 實現(xiàn)模型不同層設置不同的學習率方式就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

相關文章

最新評論