小编Ben*_* K.的帖子

冻结pytorch中的砝码以进行param_groups设置。

因此，如果您想在训练期间冻结体重：

for param in child.parameters():
    param.requires_grad = False

优化器也必须更新为不包括非梯度权重：

optimizer = torch.optim.Adam(filter(lambda p: p.requires_grad, model.parameters()), lr=opt.lr, amsgrad=True)

如果要weight_decay对偏倚和权重使用不同的/学习率/这也允许不同的学习率：

param_groups = [{'params': model.module.bias_parameters(), 'weight_decay': args.bias_decay},
                {'params': model.module.weight_parameters(), 'weight_decay': args.weight_decay}]

param_groups定义了一个dic 列表，并将其传递SGD如下：

optimizer = torch.optim.Adam(param_groups, args.lr,
                                 betas=(args.momentum, args.beta))

冻结单个砝码如何实现？在dic列表上运行filter或是否可以将张量单独添加到优化器？

运行自定义键盘和触摸板修改，我想使用以下命令激活 2 手指滚动：

xinput --set-prop id "Synaptics Two-Finger Scrolling" 1 1

其中 id 是使用找到的设备 ID

xinput --list

重启后谁改变的id。最好使用批处理脚本来自动查找 ID 并设置首选项。