记录一下Tensorflow下实现DCNN的迁移学习(即冻结固定层,只训练某几层)
1.基本概念:迁移学习是在已经训练好的模型下,恢复这些训练好的模型参数到我们的新模型中,新模型使用的数据集一般比较少时,我们可以根据新数据集与原数据集的相似程度,数据规模大小等冻结网络的某几个卷积层,只训练最后的全连接层或者平均池化层,加快了训练速度,同时提升模型的泛化能力。2.主要思路:(1)准备基模型首先需要一个提前训练好的模型文件。这里是我的文件目录。我们称为“基模型”。(2)查询变量查询变量的作用域并保存这个基模型的所有参数。方便后期迁移学习后对比模型的参数是否发生变化,是否按照我们冻
原创
2020-11-28 10:12:52 ·
2450 阅读 ·
4 评论