Tensorflow2 导入自定义预训练模型

最新推荐文章于 2024-05-13 05:02:01 发布

lightis_tian

最新推荐文章于 2024-05-13 05:02:01 发布

阅读量1.4k

点赞数 1

分类专栏：机器学习文章标签： tensorflow 深度学习神经网络迁移学习

本文链接：https://blog.csdn.net/qq_42874547/article/details/107639667

版权

本文介绍如何在TensorFlow2中利用自定义的预训练模型进行迁移学习。重点在于如何保留预训练模型的特征提取部分，并且可以选择性地冻结这些层的权重，以避免在后续训练中更新。示例代码展示了导入和应用预训练模型的常见步骤，同时提到了使用Sequential模型时遇到的问题。

摘要由CSDN通过智能技术生成

网上大多数都是直接调用tf的内置application中的预训练模型，这里用自己训练好的预训练模型。
预训练模型的最后全连接层不要，只保留前面的捕捉特征的层且这些层权重冻结不参与接下来的训练。不冻结也可以，这样相当于从新训练，就没起到预训练模型的效果。
大致代码如下：

# 加载模型
base_model = tf.keras.models.load_model('model-best.h5')

# 得到最后一个全连接之前的层
last_layer = base_model.get_layer(index=len(base_model.layers

关注