迁移学习或微调

Question

请添加一些上下文来解释代码部分（或检查您是否没有错误地将所有问题格式化为代码）

                                               include_top=False, 
                                               weights='imagenet')

x = base_model.output
x = tf.keras.layers.GlobalAveragePooling2D()(x)
x = se_model.input,outputs=prediction_layer)



return model

Answer 1

当您下载基本模型时，它会下载其架构及其权重。从单台 PC 训练这些高级模型是不可能的。这就是为什么我们从互联网上下载预训练模型，然后使用我们自己的数据集重新训练它们来微调它们。

# Fine-tune from this layer onwards
for layer in model.layers[:fine_tune_at]:
    layer.trainable=False
for layer in model.layers[fine_tune_at:]:
    layer.trainable=True

正如您在上面看到的，您正在冻结预训练模型的初始层的权重，因为您不想搞砸它，只需要根据您的 I/O 更改最后一个输出层。