当你的模型需要剪裁的时候,可以采用减少原网络结构的层数,达到简化的目的,那么如何训练新的网络参数呢?
如果我没弄错的,修改网络架构后,可直接导入原网络架构,然后采用相同的训练数据进行训练,可以得到修改后的新网络的参数。这样训练的时候,导入原网络模型的图和参数后,内部会根据索引对比。保留的原有层的参数在训练的时候进行微调,从而实现裁剪的网络快速训练目的。
如果不对请指正。
path = '/model/checkpoints/' # 模型保存的位置
self.saver.restore(sess, tf.train.latest_checkpoint(path)) # 导入该位置的旧模型最新参数