keras 的 example 文件 mnist_transfer_cnn.py 解析

本代码介绍了迁移学习，也就是在一个数据集上训练完成后，在另一个数据集上，部分网络层配置为不可训练，仅对部分网络进行训练

本代码的神经网络结构为：

______________________________________________________________________
Layer (type)                   Output Shape                Param #
======================================================================
conv2d_1 (Conv2D)              (None, 26, 26, 32)          320
______________________________________________________________________
activation_1 (Activation)      (None, 26, 26, 32)          0
______________________________________________________________________
conv2d_2 (Conv2D)              (None, 24, 24, 32)          9248
______________________________________________________________________
activation_2 (Activation)      (None, 24, 24, 32)          0
______________________________________________________________________
max_pooling2d_1 (MaxPooling2D) (None, 12, 12, 32)          0
______________________________________________________________________
dropout_1 (Dropout)            (None, 12, 12, 32)          0
______________________________________________________________________
flatten_1 (Flatten)            (None, 4608)                0
______________________________________________________________________
dense_1 (Dense)                (None, 128)                 589952
______________________________________________________________________
activation_3 (Activation)      (None, 128)                 0
______________________________________________________________________
dropout_2 (Dropout)            (None, 128)                 0
______________________________________________________________________
dense_2 (Dense)                (None, 5)                   645
______________________________________________________________________
activation_4 (Activation)      (None, 5)                   0
======================================================================
Total params: 600,165
Trainable params: 600,165
Non-trainable params: 0
______________________________________________________________________

 

代码是先训练mnist中的 0~4 的数据集，对其进行识别，训练出一个常规的卷积神经网络的分类，

然后将该神经网络中的卷积层的可训练属性配置为FALSE，也就是不可训练，然后采用 5~9 的数据集进行训练，也就是只训练全连接层，然后发现效果不错，训练速度可以大大提升

比如在我电脑上，6G显存，在训练 0~4 的数据集时，大致训练了 11 秒，而在训练 5~9 时，虽然数据集大小一样，训练次数一致，但仅用了大概 5 秒的时间，而且识别率可以达到 99% 左右