6.8 使用预训练网络 3.0 实现猫狗分类 --- 微调

微调

        所谓微调: 冻结模型库的底部的卷积层，
共同训练新添加的分类器层和顶部部分卷积层。

这允许我们“微调”基础模型中的高阶特征表示，以使它们
与特定任务更相关。

只有分类器已经训练好了，才能微调卷积基的顶部卷积层。如果有没有这样的话，刚开始的训练误差很大，微调之前这些卷积层学到的表示会被破坏掉

微调步骤

一、在预训练卷积基上添加自定义层

二、冻结卷积基所有层

三、训练添加的分类层

四、解冻卷积基的一部分层

在1.0版本基础上添加

covn_base.trainable = True

len(covn_base.layers)

fine_tune_at = -3

for layer in covn_base.layers[:fine_tune_at]:
    layer.trainable = False

model.compile(optimizer=keras.optimizers.Adam(lr=0.0005/10),
              loss='binary_crossentropy',
              metrics=['acc'])

initial_epochs = 12
fine_tune_epochs = 10
total_epochs = initial_epochs + fine_tune_epochs

history = model.fit_generator(
    train_generator,
    steps_per_epoch=100,
    epochs=total_epochs,
    initial_epoch=initial_epochs,
    validation_data=test_generator,
    validation_steps=50)