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
python
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
python
# 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:
python
def fix_bn(m):
classname = m.__class__.__name__
if classname.find('SyncBatchNorm') != -1 or classname.find('InstanceNorm2d') != -1 or classname.find('BatchNorm2d') != -1: #SyncBatchNorm, InstanceNorm2d
if 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:
python
class EMA:
def __init__(self, model, decay=0.9999):
super().__init__()
import copy
self.decay = decay
self.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-gpu
m_std = model.state_dict().values() # single-gpu
for 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。