14）网络微调； keras:deeplizard；

实训部分

接着，将tensorflow 自带的 vgg16 的 model 从 Model 变成为 我们期望的 sequenctial 的 model

type 看一下 信息

变成为 我们期望的 sequenctial 的 model

我们的 model 的信息

可以看到 ，和 之前的一样，就是 最后 一个 prediction 的 layer ，output layer 不见了，因为 我们马上 加上 这个歌 layer

冻结 weights 和 bias

可见，冻结 之后 ，没有 任何 可以训练的 参数了。

添加我们 自己 的 output layer

可见 ，添加了 我们的 dense output layer 之后， 就 又有 新的 课训练 参数了。

备注，上面的 最后 的dense layer ，None, 2 表示 我们 有 两个 类别 的 output

end

下节课 才开始训练，这节 就是 给你看 如何 冻结参数

参考

文章