在keras中model如何实现固定部分layer,训练部分layer操作
导读：本文共1692.5字符，通常情况下阅读需要6分钟。同时您也可以点击右侧朗读，来听本文内容。按键盘←（左） →（右） 方向键可以翻页。
摘要： 需求：Resnet50做调优训练，将最后分类数目由1000改为500。问题：网上下载了resnet50_weights_tf_dim_ordering_tf_kernels_notop.h6，更改了Resnet50后，由于所有层均参加训练，导致训练速度慢。实际上只需要训练最后3层，前面的层都不需要训练。解决办法：①将模型拆分为两个模型，一个为前面的notop部分... ...
目录
(为您整理了一些要点),点击可以直达。
需求：Resnet50做调优训练，将最后分类数目由1000改为500。
问题：网上下载了resnet50_weights_tf_dim_ordering_tf_kernels_notop.h6，更改了Resnet50后，由于所有层均参加训练，导致训练速度慢。实际上只需要训练最后3层，前面的层都不需要训练。
解决办法：
①将模型拆分为两个模型，一个为前面的notop部分，一个为最后三层，然后利用model的trainable属性设置只有后一个model训练，最后将两个模型合并起来。
②不用拆分，遍历模型的所有层，将前面层的trainable设置为False即可。代码如下：
注意事项：
①尽量不要这样：
layers.Conv2D(filters1, (1, 1), trainable=False)(input_tensor)
因为容易出错。。。
②加载notop参数时注意by_name=True.
补充知识：Keras关于训练冻结部分层
设置冻结层有两种方式。
（不推荐）是在搭建网络时，直接将某层的trainable设置为false，例如:
layers.Conv2D(filters1, (1, 1), trainable=False)(input_tensor)
在网络搭建完成时，遍历model.layer,然后将layer.trainable设置为False:
也可以根据layer.name来确定哪些层需要冻结,例如冻结最后一层和RNN层：
可以在实例化之后将网络层的 trainable 属性设置为 True 或 False。为了使之生效，在修改 trainable 属性之后，需要在模型上调用 compile()。
这是一个例子
在网络搭建时，可以考虑最后一个分类层命名和分类数量关联，这样当费雷数量方式变化时，model.load_weight(“weight.h6”，by_name=True)不会加载最后一层
在keras中model如何实现固定部分layer,训练部分layer操作的详细内容，希望对您有所帮助，信息来源于网络。