我是Keras的新手,我正在构建一个模型 . 出于某种原因,我想在训练前面的图层时冻结模型最后几层的权重 . 我试图将横向模型的可训练属性设置为False,但它似乎不起作用 . 这是代码和模型摘要:
opt = optimizers.Adam(1e-3)
domain_layers = self._build_domain_regressor()
domain_layers.trainble = False
feature_extrator = self._build_common()
img_inputs = Input(shape=(160, 160, 3))
conv_out = feature_extrator(img_inputs)
domain_label = domain_layers(conv_out)
self.domain_regressor = Model(img_inputs, domain_label)
self.domain_regressor.compile(optimizer = opt, loss='binary_crossentropy', metrics=['accuracy'])
self.domain_regressor.summary()
型号摘要:model summary
如您所见,model_1可以训练 . 但根据代码,它将被设置为不可训练的 .
3 回答
Word“trainble”中有一个拼写错误(缺少“a”) . Saddly keras没有警告我该模型没有属性“trainble” . 问题可以结束 .
更改代码中的最后3行:
您可以简单地为图层属性
trainable
指定一个布尔值 .您可以直观地看出哪个图层是可训练的:
您也可以通过模型定义传递它:
来自Keras documentation: