Mindspore冻结参数

做过pytorch框架下机器学习的人，应该或多或少都知道pytorch框架下训练模型是基于tensor的。所以在冻结参数时通常需要两步操作，首先设置模型中想要冻结的参数的requires_grad属性为Fasle，然后在优化器中把想要冻结的参数去掉，或者说只将想训练的的权值提供给优化器。

但mindspore下是通过全图梯度计算实现训练的，所以如果希望冻结参数，只需要把想要训练的参数给到优化器以及求梯度的函数grad即可。

其中grad在当前的mindspore2.0.0alpha版本中是mindspore.grad()函数，一般是在TrainOneStepCell中使用。

一般在训练的时候如果希望模型能返回除了loss之外的其他值，需要使用到has_aux参数，然后把所有的loss加和到一个loss变量中，放在返回值的第一个位置。

weights就是放参数的地方，一般通过trainable_params()函数获取，返回的是一个参数列表，多个参数列表直接通过+运算符连接起来就可以了。