数据分析师养成之路之keras篇:fine-tune学习小结

fine-tune学习小结:
大佬博客链接:https://www.cnblogs.com/andre-ma/p/8676186.html

a.数据集小,和原数据集相似: <5000
-不采取fine-tune,使用预训练网络做特征提取器(高层特征可使用)
b.数据集大,和原数据集相似: >10000
-可以fine-tune整个网络
c.数据集小,和原数据集不相似:
-不能fine-tune,用低层特征训练SVM分类器(高层特征不可用)
d.数据集大,和原数据集不相似:
-可重新训练,可fine-tune预训练模型,可fine-tune整个网络

1.预训练网络上fine-tune:(b,d)
加载vgg16权重(full层前),连接自己的top_model层,冻结整个模型的n层(要求低学习率)
2.使用预训练网络的bottleneck特征:(a)
提取vgg16模型bottleneck特征,训练自己的model
fine-tune的实例:
https://blog.csdn.net/zjucor/article/details/78164647
fine-tune一些技巧:
https://blog.csdn.net/qq_14845119/article/details/78584499