神经网络训练中断后,想要load之前训练保存的模型权重文件继续训练(pytorch)
报错:
"If capturable=False, state_steps should not be CUDA tensors." AssertionError: If capturable=False, state_steps should not be CUDA tensors.
说是我的adam优化器里面 capturable 参数设置为 False,这个导致load进之前保存的模型参数后,进行优化器的更新.step( )时,导致失败,因为之前训练的时候为了训练速度快一点,默认设置capturable参数为False,函数定义如下:
但是load进之前的权重参数后,为了把优化器的数据放到gpu上,需要capture in a CUDA graph,所以就需要设置优化器的capturable参数为True.
具体修改:
在load 进之前的.pth文件以及更新了各个权重参数后的位置,添加以下代码手动设置优化器的caturable参数为True:
for group in optimizer_disc1.param_groups:
group['capturable'] = True
for group in optimizer_disc2.param_groups:
group['capturable'] = True
看了其他博主分享的,说是也有可能是因为pytorch版本不匹配,但是我没有修改pytorch版本,而且重新训练的gpu和第一次训练的gpu不是一个,只是修改了参数,训练就没问题了;
其他博主说caturable 设置为 True 之后,可能会导致训练的速度下降10%,但是我的训练速度没有明显下降,可能是本来就比较慢吧,我训练一个epoch需要约1h(扩散模型,gpu是4090),如果有大神知道为什么,欢迎指正!