deep-learning - 添加我自己的密集层后，vgg16 模型的可训练参数发生了变化

Question

vgg16_model = tf.keras.applications.vgg16.VGG16()

模型=顺序（）

对于 vgg16_model.layers[:-1] 中的层：

model.add(layer)

model.summary() #最后一个dense layer被移除到现在

对于 model.layers 中的层：

layer.trainable=False         #for transfer learning i have freeze the layers

model.add（密集（2，激活='softmax'））

model.summary() #现在当我添加密集层时，模型的可训练参数会改变

标签： deep-learningneural-networkmodelconv-neural-networkvgg-net

Answer 1

在第一步中，您生成一个具有 134,260,554 个参数的网络。

这些参数都设置为不可训练。然后在模型中添加一个包含两个神经元的层。这会为模型添加 2*4096 + 2 = 8194（权重 + 偏差）参数。这些参数是可训练的。这就是摘要显示的内容。