将自定义预训练模型与新模型 Keras 连接起来

Question

我将 Sports_1M caffe 模型转换为 Keras，并将其作为预训练模型使用到我的新 Keras 模型中。我还加载了预训练的权重。

我删除了 Pretrained 模型的顶层，最后与 New Model 连接。我不想再次训练加载的预训练模型（只想使用预训练模型的嵌入并用它来训练我的新 Keras 模型）。

代码如下：

from keras.models import model_from_json
from keras import backend as K
K.set_image_dim_ordering('th')

model = model_from_json(open('/content/sports_1M/sports1M_model_new.json', 'r').read())
model.load_weights('/content/sports_1M/sports1M_weights.h5')

我的问题是：

1. 我应该编译预训练模型然后将其连接起来吗？

    model.compile(loss='mean_squared_error', optimizer='adam')
   

2. 我怎么知道预训练模型没有再次训练它（我不想要）？

3. 如何训练整个（串联）架构？

    model2 = Model(model.get_input_at(0),model.get_layer(layer_name).output)
   
    input_shape = (3, 16, 112, 112)
   
    encoded_l = model2(left_input)
   
    prediction = Dense(1,activation='sigmoid')(encoded_l)
   
    Model([left_input,right_input] , prediction)
   

4. 当我们使用像 VGG 这样的 Inbuild 预训练模型时，我们一般使用VGG(include_top = False , weights = 'imagenet')

我的情况是这样想的

Answer 1

我得到了答案，我们可以简单地设置layers.trainable = False

for layer in model.layers:
  layer.trainable = False