在训练深度学习模型时，什么时候应该使用预先训练好的权重？
在训练深度学习模型时，什么时候应该使用预先训练好的权重？
提问于 2017-08-06 08:21:51
我对训练一系列图像和对象检测模型很感兴趣，我想知道何时使用像VGG16这样的网络的预训练权重的一般规则是什么。
例如，很明显，微调预先训练好的VGG16 imagenet模型权重对您正在寻找子集ie很有帮助。猫和狗。
然而，对于我来说，如果你正在训练一个有300个类的图像分类器，其中只有一些是预训练模型中的类的子集，那么使用这些预训练的权重是否是一个好主意就不太清楚了。
围绕这一点的直觉是什么？
回答 1
Stack Overflow用户
回答已采纳
发布于 2017-08-06 09:09:29
较低的层学习不一定特定于您的应用程序/数据集的功能:角、边、简单形状等。因此，如果您的数据严格地是原始网络可以预测的类别的子集，这并不重要。
根据您有多少数据可用于训练，以及这些数据与预训练网络中使用的数据的相似性程度，您可以决定冻结较低层而仅学习较高层，或者仅在预训练网络的顶部训练分类器。
有关更详细的答案，请查看here
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/45527514
复制相关文章
相似问题
腾讯云开发者
