2
Here Keras 용 GoogleNet 모델이 있습니다. 네트워크의 개별 레이어를 변경하는 것을 차단할 수있는 방법이 있습니까? 나는 변화에서 pretrained 모델의 처음 두 레이어를 차단하고 싶습니다.keras : 컨볼 루션 계층 가중치를 차단하는 방법
Here Keras 용 GoogleNet 모델이 있습니다. 네트워크의 개별 레이어를 변경하는 것을 차단할 수있는 방법이 있습니까? 나는 변화에서 pretrained 모델의 처음 두 레이어를 차단하고 싶습니다.keras : 컨볼 루션 계층 가중치를 차단하는 방법
'각 레이어의 변경을 차단하십시오.'나는 당신이로드 된 가중치를 수정하고 싶지 않다는 것을 전제로하고 싶습니다. 이전 훈련에서 배웠던 것입니다.
그렇다면 trainable=False
을 레이어에 전달할 수 있으며 매개 변수가 교육 업데이트 규칙에 사용되지 않습니다.
예 :
from keras.models import Sequential
from keras.layers import Dense, Activation
model = Sequential([
Dense(32, input_dim=100),
Dense(output_dim=10),
Activation('sigmoid'),
])
model.summary()
model2 = Sequential([
Dense(32, input_dim=100,trainable=False),
Dense(output_dim=10),
Activation('sigmoid'),
])
model2.summary()
당신은 매개 변수가 비 학습 가능한 사람으로 계산됩니다 2 모델에 대한 모델 요약에 볼 수 있습니다.
____________________________________________________________________________________________________
Layer (type) Output Shape Param # Connected to
====================================================================================================
dense_1 (Dense) (None, 32) 3232 dense_input_1[0][0]
____________________________________________________________________________________________________
dense_2 (Dense) (None, 10) 330 dense_1[0][0]
____________________________________________________________________________________________________
activation_1 (Activation) (None, 10) 0 dense_2[0][0]
====================================================================================================
Total params: 3,562
Trainable params: 3,562
Non-trainable params: 0
____________________________________________________________________________________________________
____________________________________________________________________________________________________
Layer (type) Output Shape Param # Connected to
====================================================================================================
dense_3 (Dense) (None, 32) 3232 dense_input_2[0][0]
____________________________________________________________________________________________________
dense_4 (Dense) (None, 10) 330 dense_3[0][0]
____________________________________________________________________________________________________
activation_2 (Activation) (None, 10) 0 dense_4[0][0]
====================================================================================================
Total params: 3,562
Trainable params: 330
Non-trainable params: 3,232
고맙습니다! –
문제 없습니다 .. 귀하의 질문에 대한 답변이 있으면 그 사실을 표시 할 수 있습니까? – indraforyou
나는 노력하고있다. 그러나 불행히도 대답을 표시하는 데 대한 평판이 충분하지 않다. ((( –