关于人工智能:FATE联邦学习-optimizer在FATE的自定义trainer中被改变

起因

应用torch的optimizer增加了2组parameter，传参进入FATE的trainer后，optimizer被扭转，且FATE框架无提醒。

代码差不多是上面这样：

# optimizer中退出2组优化参数（param）
optimizer = torch.optim.SGD([{'params':base, 'lr':0.1*train_args['lr']},\
                              {'params':head, 'lr':train_args['lr']}])


nn_component = HomoNN(name='sanet',
                      model=model, # model
                      loss=loss,
                      optimizer=optimizer, # 传入trainer后
                      dataset=dataset_param,  # dataset
                      trainer=TrainerParam(trainer_name='sa_trainer', cuda=True, checkpoint_save_freqs=1, **params),
                      torch_seed=100, # random seed
                      
                      )

# optimizer的param_group在trainer中就只变成1组了，其余的不见了。

github上反馈给社区了：我提的issue
[外链图片转存失败,源站可能有防盗链机制,倡议将图片保留下来间接上传(img-I9vA6ec9-1688611983896)(https://user-images.githubusercontent.com/31330044/251026326-…)]

解决

解决办法是不应用FATE给的接口，而本人间接在trainer外面提供optimizer。

class Trainer():
    def init(opt_name='sgd'):
        xxxx
    def train():
        self.optimizer = make_optimizer(self.model, self.opt_name)

能够在trainer中本人实现，提交工作时不提供optimizer参数即可.