Flax NNX 中实现参数选择性冻结与微调的完整教程

星晨小哥_6876

星晨小哥_6876

2026-11-18

638人浏览

原创

Flax NNX 中实现参数选择性冻结与微调的完整教程

本文详解如何在 Flax NNX 中精准冻结指定参数(如 kernel)并仅优化其余参数(如 bias),核心在于正确使用 nnx.DiffState 配合 nnx.value_and_grad 的 argnums 参数,避免梯度状态不匹配错误。

本文详解如何在 flax nnx 中精准冻结指定参数(如 `kernel`)并仅优化其余参数(如 `bias`),核心在于正确使用 `nnx.diffstate` 配合 `nnx.value_and_grad` 的 `argnums` 参数,避免梯度状态不匹配错误。

在 Flax NNX 的迁移学习实践中,常需冻结预训练子模块的权重(如线性层的 kernel),仅对特定参数(如 bias 或新增分类头)进行微调。然而,直接通过 wrt= 指定可优化参数并不足以完成梯度计算——NNX 的自动微分机制要求显式声明“哪些变量参与求导”,这必须通过 nnx.DiffState 实现,而非仅依赖优化器的 wrt 过滤。

? 关键原理:nnx.DiffState 是梯度传播的“开关”

nnx.value_and_grad 默认对所有可微变量(Param、BatchStat 等)计算梯度。若仅希望对部分变量求导(例如仅 bias),必须:

  • 提前定义参数过滤规则(如 nnx.All(nnx.PathContains("bias")));
  • 将其封装为 nnx.DiffState(diff_index, filter),其中 diff_index=0 表示对第一个函数参数(即 model)应用该过滤;
  • 将该 DiffState 传给 argnums=,而非 wrt=(后者仅控制优化器更新范围,不影响梯度生成)。

否则将触发 ValueError: Mismatch custom node data —— 因为 grads 包含了全量参数结构,而 optimizer.update() 期望的梯度结构与 wrt 定义不一致。

✅ 正确实现步骤(附代码)

以下是最小可运行示例,聚焦核心逻辑:

import jax.numpy as jnp
import jax.random as random
from flax import nnx
import optax

# 1. 构建模型并加载预训练权重
rngs = nnx.Rngs(123)
model = nnx.Linear(1, 1, rngs=rngs)
model.kernel.value = jnp.array([[2.0]])  # 冻结 kernel

# 2. 定义参数过滤:仅对 bias 求导
transfer_params = nnx.All(nnx.PathContains("bias"))
diff_state = nnx.DiffState(0, transfer_params)  # ← 关键!声明 model 的第 0 个参数按此规则求导

# 3. 使用 diff_state 构造梯度函数
loss_grad = nnx.value_and_grad(compute_loss, argnums=diff_state, has_aux=True)

# 4. 创建优化器(wrt 控制更新范围,需与 diff_state 语义一致)
optimizer = nnx.Optimizer(model, optax.adamw(1e-3), wrt=transfer_params)

# 5. 训练循环(注意:grads 现在只含 bias 的梯度)
@nnx.scan(in_axes=(nnx.Carry, None, None), out_axes=(nnx.Carry, 0), length=123)
def train_step(optimizer, x, y):
    (loss, _), grads = loss_grad(optimizer.model, x, y)
    optimizer.update(grads)  # grads 结构与 wrt 严格匹配
    return optimizer, loss

optimizer, losses = train_step(optimizer, x_train, y_train)

⚠️ 注意事项与最佳实践

  • 顺序不可颠倒:diff_state 必须在 nnx.value_and_grad 调用前创建,且 transfer_params 需复用同一对象(避免重复构造导致路径匹配失效)。
  • wrt 与 DiffState 必须一致:二者过滤逻辑应完全相同,否则 optimizer.update() 会因梯度缺失或冗余而报错。
  • 调试技巧:打印 grads 结构验证——成功时仅含 {'bias': ...};若出现 kernel 字段,说明 DiffState 未生效。
  • 扩展场景:冻结多层时,可用 nnx.And(nnx.PathContains("encoder"), nnx.PathContains("kernel"));冻结整个子模块则用 nnx.PathPrefix("backbone")。

通过 nnx.DiffState 显式控制微分范围,Flax NNX 实现了比传统 Flax 更精细、更安全的参数冻结机制。掌握这一模式,是构建高效迁移学习、LoRA 微调及混合精度训练的基础。

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1951

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5524

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1889

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

33777

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3967

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3967

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1283

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3083

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.7万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 134.3万人学习