Question

我想冻结模型中的单个卷积层，我通过在卷积层中传递traninable=False参数来实现它，类似于Dense层Dense(32, trainable=False)

from keras.layers import Dense, Dropout, Activation, Flatten
from keras.models import Sequential
from keras.layers.normalization import BatchNormalization
from keras.layers import Conv2D,MaxPooling2D,ZeroPadding2D,GlobalAveragePooling2D

model = Sequential()
model.add(Conv2D(32, (3, 3), input_shape=(28,28,1)))
model.add(BatchNormalization(axis=-1))
model.add(Activation('relu'))
model.add(Conv2D(32, (3, 3)))
model.add(BatchNormalization(axis=-1))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Conv2D(64,(3, 3),trainable=False)) #freezed layer
model.add(BatchNormalization(axis=-1))
model.add(Activation('relu'))
model.add(Conv2D(64, (3, 3)))
model.add(BatchNormalization(axis=-1))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Flatten())

# Fully connected layer
model.add(Dense(512))
model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(Dropout(0.2))
model.add(Dense(10))

model.add(Activation('softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

该模型似乎编译时没有任何错误，但当我选中keras docs时，Conv2D似乎没有名为trainable的参数。我冻结卷积层的方式是否有效以及这里发生了什么？

Answer 1

是的，它的有效和正确。

可训练参数由所有图层的父类（称为图层）使用，并确保该图层的参数不作为可训练参数包含在渐变中。

什么是冻结keras中的卷积层的正确方法

1 个答案: