共计 852 个字符,预计需要花费 3 分钟才能阅读完成。
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.
正文完