当我尝试实施转移学习来训练我的ConvNet模型时，在Keras博客（goo.gl/N60H13）中有一段我不理解的代码片段。总的来说，VGG16有21层，但为了冻结除最终FC之外的所有其他层，我需要冻结的层数为20.有没有人理解为什么博客使它成为24层（[： 25]）？
代码：
for layer in model.layers[:25]:
layer.trainable = False
答案 0 :(得分：1)
layer.trainable = False 用于机器学习中的转移学习概念。为此，我们冻结了24层，并保持输出层不冻结，因此我们可以在其上训练自己的网络。
简单地回答，最后一层是输出层。我们不想冻结它。
答案 1 :(得分：0)
也许它与Kera的框架有关。
从gist开始，我们知道 $('#myCarousel').carousel({
interval: false
});
var totalItems = $('.item').length;
if (totalItems > 3) {
//alert();
$('.carousel .item').each(function() {
var next = $(this).next();
if (!next.length) {
next = $(this).siblings(':first');
}
next.children(':first-child').clone().appendTo($(this));
if (next.next().length > 0) {
next.next().children(':first-child').clone().appendTo($(this)).addClass('rightest');
} else {
$(this).siblings(':first').children(':first-child').clone().appendTo($(this));
}
});
} else {
//what to be here
}
因此，它最初也会计入VGG16 model for Keras has been obtained by directly converting the Caffe model.。使用revision history进行双重检查，确实包含zero-padding layers。
对于来自Kera的当前版本的VGG16，也许它应该是
zero-padding layers