python深度学习 微调模型与冻结部分层

       特征微调有助于提高深度学习的精度,而将卷积基(就是预先训练好的卷积模型)的前面大部分层冻结,只微调(此时的学习率也应该相应的调低)顶部更抽象的层---可以理解为更细节的特征

这样可以在一定程度上提高模型的识别精度,我的实验结果比原有的精度提高了4个点左右,从90%提高到94%

下面是全部的代码,很简单.

不过有个疑问:训练出来的验证精度达不到书上说的97%,有解决的同学请留言告知一下,不慎感激!!!

#即可单独安装keras,也可以用tensorflow自带的keras
try:
    from keras.applications import VGG16
    from keras.preprocessing.image import ImageDataGenerator
    from keras import models
    from keras import layers
    from keras import optimizers
except ModuleNotFoundError:
    import tensorflow as tf
    VGG16 = tf.keras.applications.VGG16
    ImageDataGenerator = tf.keras.preprocessing.image.ImageDataGenerator
    models = tf.keras.models
    layers = tf.keras.layers
    optimizers = tf.keras.optimizers
import os,sys
sys.path.append( os.pardir )  #为了找到上级目录common，import里面的工具
from common.file_arrange import get_dirs  #自定义的小工具
import numpy as np 
import matplotlib.pyplot as plt 

def get_co