2022.3.7 搞清楚迁移学习中的微调是啥意思了。 1）定义经典模型 如：model_base= tf.keras.applications.VGG16(input_shape=image_size + (3,), include_top = False,pooling = 'avg', weights = 'imagenet') print(model_base.summary()) model_base.trainable = False 2）完善后面最后全连接层，注意只有include_top=false时才能调整输入图像size 如：model = keras.models.Sequential() model.add(model_base) model.add(tf.keras.layers.Dropout(0.2)) model.add(keras.layers.Dense(512, activation = 'relu')) model.add(keras.layers.Dense(1, activation = 'sigmoid')) # 因为include_top = False,所以需要自己定义最后一层 print(model.summary()) 3) 看训练结果如何 4）如果想微调，则调model_base为可训练，然后想调哪层就改哪层为可训练。 model_base.trainable = True len(model_base.layers) fin_tune_at = -5 for layer in model_base.layers[:fin_tune_at]: layer.trainable = False 原来如此