如何使用我们自己的数据集自定义预训练模型？答案

【问题标题】：How to customize a pre-trained model with our own dataset?如何使用我们自己的数据集自定义预训练模型？
【发布时间】：2019-11-10 03:37:10
【问题描述】：

我目前正在处理Object detection。我正在使用Amazon Workspace 来训练我的模型。我正在使用该模型来detect cars and bikes。我使用了一个预训练模型（即Faster-RCNN-Inception-V2 模型），并使用我自己的数据集为汽车和自行车这两个标签定制了它。我花了5个小时完成培训。现在我想修改我的模型以增加 2 个标签（保留旧标签），即公共汽车和汽车。但我不想从头开始训练，因为我的模型已经针对汽车和自行车进行了训练。那么有没有什么方法可以只用bus和auto的数据集来训练我的模型，训练后它会检测到所有4 objects(car, bike, bus, and auto)？

【问题讨论】：

是的。完成完整训练后，只需保存体重即可。
对不起，你能详细说明一下吗
这称为迁移学习（您在训练的第一步中所做的），基本上将其预训练的权重用于其他任务。您应该继续学习能够预测您最后添加的标签（汽车、自行车）但现在使用（汽车、自行车、公共汽车、汽车）的权重
好的，非常感谢。我会在这方面做一些研究。

标签： python deep-learning conv-neural-network transfer-learning

【解决方案1】：

使用预训练的权重加载保存的模型。删除最后一个密集和 2 类 softmax 层，并添加一个新的 4 类 softmax 密集层，因为您的低级特征已经过训练。现在用修改后的数据训练这个模型。

【讨论】：