从预先训练的NASnet网络中转移学习。如何知道需要冻结的层数？
从预先训练的NASnet网络中转移学习。如何知道需要冻结的层数？
提问于 2018-02-02 06:38:52
为了训练图像分类模型(使用Keras或Tensorflow)，我想使用我自己的图像数据集重新训练NASNetMobile的一定数量的层。
在本文：https://arxiv.org/pdf/1707.07012.pdf (第A.7节)中，我们可以这样理解：“此外，所有模型都使用位于网络上方2/3处的辅助分类器”。
下面是我想要进行迁移学习的NasNetMobile层：https://gist.github.com/didacroyo/a451c890b1f02822c7dd67c6f270f1d6
那么，在前面的基础上，我应该冻结底部1/3的层吗？(这是前250层)
回答 1
Stack Overflow用户
发布于 2018-04-18 02:43:53
考虑到Aux分支的开始位置，我会尝试在activation_166之前冻结各层。如下所示：
model = NASNetLarge((img_rows, img_cols, img_channels),dropout=0.5, use_auxiliary_branch=True, include_top=True, weights=None, classes=nb_classes)
model.load_weights('weights/NASNet-large.h5', by_name=True, skip_mismatch=True)
# Freeze original layers
model.trainable = True
set_trainable = False
for layer in model.layers:
if layer.name == 'activation_166':
set_trainable = True
if set_trainable:
layer.trainable = True
else:
layer.trainable = False
print("layer {} is {}".format(layer.name, '+++trainable' if layer.trainable else '---frozen'))页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/48572918
复制相关文章
相似问题
腾讯云开发者
