我有兴趣训练一系列图像和物体检测模型，我想知道何时使用像VGG16这样的网络的预训练权重的一般规则是什么 .
例如，很明显微调预先训练的VGG16 imagenet模型权重有助于您寻找一个子集，即 . 猫和狗 .
然而，如果您正在训练一个包含300个类的图像分类器，并且其中只有一些是预训练模型中类的子集，那么使用这些预训练权重是否是一个好主意似乎不太清楚 .
围绕这个的直觉是什么？
较低层学习的功能不一定特定于您的应用程序/数据集：角落，边缘，简单形状等 . 因此，如果您的数据严格地是原始网络可以预测的类别的子集，则无关紧要 .
根据您可用于培训的数据量以及数据与预训练网络中使用的数据的相似程度，您可以决定冻结较低层并仅学习较高层，或者只是在您的基础上训练分类器 . 预训练网络 .
检查here以获得更详细的答案
1 回答
较低层学习的功能不一定特定于您的应用程序/数据集：角落，边缘，简单形状等 . 因此，如果您的数据严格地是原始网络可以预测的类别的子集，则无关紧要 .
根据您可用于培训的数据量以及数据与预训练网络中使用的数据的相似程度，您可以决定冻结较低层并仅学习较高层，或者只是在您的基础上训练分类器 . 预训练网络 .
检查here以获得更详细的答案