keras 微调模型

参考 此处 

最近新down了一个源码，写的非常“精彩”，我之前的想法 他都用代码复现了，idea被复现 悔我不会写代码。。。但是想到一个新模型想在他的基础上训练看看结果，于是就掉入了 keras的坑。 下面一起来看看如何冻结前面的已训练好的层，只训练后面的模型吧。

看到 有方法说

• 通过trainable（布尔值）对特定层进行构造，使某一层不可被训练：

frozen_layer = Dense(32, trainable=False)

 那是否是 把不需要训练的层都加上 trainable=False ,直接load 进之前的model权重 就可以训练我新加的层了？？（好像想得太简单 caffe 是这样。。）

看官网

1 load进VGG16的卷积权重

2 添加我们先前定义的完全连接模型，并加载其权重 （这里很奇怪 自己新定义的层 没有权重咋办）

3 冻结VGG16模型的层到最后一个卷积块

注：1 为了执行微调，所有层都应该以经过适当训练的权重开始：例如，您不应该将随机初始化的完全连接网络置于经过