keras - 关于迁移学习中不可训练的层数
问题描述
我正在为我的数据集试验 VGG16 和 InceptionV3 模型。
我在 Kaggle 中看到的一个使用 InceptionV3 模型的内核将 51 个初始层设置为不可训练。
另一方面,我在某处看到使用了 VGG16 模型,除了最后 4 层外,其他所有层都设置为不可训练。
我正在寻找一种通用的通用方法,关于我应该为任何模型设置多少层为不可训练的。
或者任何基本的清单列表之类的东西,我可以从中决定我的问题陈述。
我从预训练的 NASnet 网络中看到了这个迁移学习。如何知道要冻结的层数?但无法理解为什么选择该特定点的答案
解决方案
推荐阅读
- java - 将 ImageIcon 设置为全屏
- rust - 预期枚举`std::result::Result`,找到()
- c++ - 在 C++ 中找不到此函数的标识符
- python - 可以在python中对包含-5到256之间的整数的变量强制使用唯一ID吗?
- javascript - 为什么状态未定义?[钩子/还原]
- wordpress - AWS Elastic Beanstalk 应用程序初始访问不安全,但后续重定向是
- javascript - 计算当前日期和日期之间的差异,并从差异值开始计算时间
- selenium - 即使安装了所有 jar,也无法运行 selenium webdriver 脚本
- java - 如果我们更改字符串值,字符串池如何管理引用?
- laravel - Laravel 中的“全球引导场所”在哪里