Keras: model中如何固定部分layer，训练部分layer

转载请标明出处：https://blog.csdn.net/SingingFisher

 

需求：Resnet50做调优训练，将最后分类数目由1000改为500。

问题：网上下载了resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5，更改了Resnet50后，由于所有层均参加训练，导致训练速度慢。实际上只需要训练最后3层，前面的层都不需要训练。

解决办法：

       ①将模型拆分为两个模型，一个为前面的notop部分，一个为最后三层，然后利用model的trainable属性设置只有后一个model训练，最后将两个模型合并起来。

       ②不用拆分，遍历模型的所有层，将前面层的trainable设置为False即可。代码如下：

for layer in model.layers[:-3]:
    print(layer.trainable)
    layer.trainable = False

注意事项： 

①尽量不要这样：

layers.Conv2D(filters1, (1, 1), trainable=False)(input_tensor)

因为容易出错。。。

②加载notop参数时注意by_name=True.