迁移学习Finetune

一、准备数据集                                                                                                                              点击此处返回总目录 二、制作标签 三、将图片转换为LMDB格式 四、下载已经训练好的模型 五、修改网络结构文件 六、修改超参数文件 七、训练模型 八、测试模型       这节课介绍一种迁移学习的技术----Finetune。这种技术是对已经训练好的模型进行微调的一种技术。   我们上一节讲《使用自己设计的网络训练自己的图像识别模型》，当时使用的图片一共只有2500张。但是我们使用的是CaffeNet，这是一种相对比较大的、比较深层的一种结构。对于这种大型的结构来说，几千张的照片显然是不够的。所以当时，我们修改网络结构文件，把最后的全连接层的神经元从4096个改到了512个，防止出现过拟合的情况。并且还做了一些增大数据集的操作，比如裁剪、镜像等。最后才得到了一个还不错(95%左右)的效果。   当我们的数据集非常小的时候，那我们怎么训练一个比较复、效果比较好的一个模型呢？ 第一种方法就是把模型简化。第二种方式就是现在要讲的Finetune的技术。Finetune技术对已经训练好的模型进行微调。我们等一下就修改模型的最后一层，