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。