pytorch冻结参数训练的坑

由于项目需要训练一个主干网络接多个分支的模型，所以先训练一个主干网络加第一个分支，再用另外的数据训练第二个分支，训练的过程中需要冻结主干网络部分，后面的分支训练过程也一样需要冻结主干网络部分。

冻结模型的方式

for name, para in model.named_parameters():# 冻结backbone的权重if name.split(".")[0] == "backbone":para.requires_grad = False        # 或者用para.requires_grad_(False)，一个是通过属性直接赋值，一个是通过函数赋值else:para.requires_grad = True

# 可以打印需要更新梯度的参数
for name, value in model.named_parameters():print(name, "\t更新梯度：",value.requires_grad)

坑1：这样做并不能冻结batchnorm层的参数，所以需要在训练中手动冻结。如：

def fix_bn(m):classname = m.__class__.__name__if classname.find('SyncBatchNorm') != -1 or classname.find('InstanceNorm2d') != -1 or classname.find('BatchNorm2d') != -1:          #SyncBatchNorm, InstanceNorm2dif m.num_features in [32, 64, 96, 128, 256, 384, 768, 192, 1152, 224]:      # 需要冻结的BN层的通道数m.eval()def train():for epoch in range(max_epoch):model.train()if args.freeze:model.apply(fix_bn)model.backbone[5][0].block[0][1].eval()   # 假如需要冻结的BN层通道数和不需要冻结的BN层通道数一样，则需要单独写for batch_idx, (data, target) in enumerate(train_loader):...

坑2：用了冻结训练（freeze）就不要用EMA方式更新模型了，不然收敛缓慢不说，还会造成前面冻结的参数产生变化，可以从EMA的代码看出端倪：

class EMA:def __init__(self, model, decay=0.9999):super().__init__()import copyself.decay = decayself.model = copy.deepcopy(model)self.model.eval()def update_fn(self, model, fn):with torch.no_grad():e_std = self.model.state_dict().values()#m_std = model.module.state_dict().values()   # multi-gpum_std = model.state_dict().values()          # single-gpufor e, m in zip(e_std, m_std):e.copy_(fn(e, m))def update(self, model):self.update_fn(model, fn=lambda e, m: self.decay * e + (1. - self.decay) * m)

可以看出EMA的方式更新模型方式，大部分是结合上一个模型的参数的，即：

model_update = decay*model(t-1) + (1-decay)*model(t)       # model(t-1) 代表上一次迭代模型的参数，model(t)代表当前迭代得到的模型参数

虽然冻结了backbone的参数，阻止了梯度在backbone中反向传播，但参数由于经过如上乘法及加法运算，由于精度原因，还是会发生微小变化，虽然训练次数增加，这个变化会扩大，从而达不到冻结训练的效果。而且从计算公式可以看出来，采用EMA的方式更新模型参数，参数会更新得很慢，会造成网络难以学习的“错觉”。我在这里困住了3天，有怀疑过是否是网络设计问题，是否是多GPU同步的问题，是否是参数设置，如学习率过小，权重衰减过大，或者dropout设置过大等等，最终一步一步排除定位到EMA的问题。
以这次的经验来看，EMA只适合在上一次训练得到模型的基础上，这一次加了额外的数据，需要在上一次的基础上做微调的情况。