需要自己過濾

optimizer.SGD(filter(lambda p: p.requires_grad, model.parameters()), lr=1e-3)

另外，如果是Variable，則可以初始化時指定

j = Variable(torch.randn(5,5), requires_grad=True)

但是如果是

m = nn.Linear(10,10)

是沒有requires_grad傳入的
m.requires_grad也沒有
需要

for i in m.parameters():
    i.requires_grad=False

另外一個小技巧就是在nn.Module裡，可以在中間插入這個

for p in self.parameters():
    p.requires_grad=False

這樣前面的引數就是False，而後面的不變

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(1, 6, 5)
        self.conv2 = nn.Conv2d(6, 16, 5)

        for p in self.parameters():
            p.requires_grad=False
 


        self.fc1 = nn.Linear(16 * 5 * 5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)