【发布时间】：2022-02-11 23:20:03
【问题描述】：
是否可以加载预训练模型，例如 ResNet152，然后冻结特定层中的某些权重并微调这些特定层中的其他权重？例如：
比如说，冻结特定卷积层中 50% 的过滤器，然后微调同一特定卷积层中剩余的 50%？
我似乎想不出一个可靠的方法来实现这一点。我想也许两次加载预训练模型，冻结一个并允许另一个微调，但是我需要从两个分支中删除过滤器。
【问题讨论】：
标签： tensorflow
【发布时间】：2022-02-11 23:20:03
【问题描述】：
您可以使用layer.trainable = False（在 Tensorflow 或 Keras 中）冻结图层。在你训练你的网络并想要对其进行微调之后。您可以使用以下方法来冻结您的一些权重：
for layer in model.layers[:5]: # freeze first 5 layers
layer.trainable = False
【讨论】：
-
对不起，我的意思是，将权重冻结在一层内。例如，从包含 32 个过滤器的卷积层冻结 16 个过滤器。