将新单位添加到Keras模型图层并更改其权重

2 回答

• 0

  您可以将新单位添加到预训练神经网络的输出层 . 这种形式的转学习被称为 using the bottleneck features of a pre-trained network . 这可以在tensorflow和Keras中实现 .

  请在下面的Keras找到教程：https://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html

  另外，找到下面的tensorflow教程：

  https://github.com/Hvass-Labs/TensorFlow-Tutorials/blob/master/08_Transfer_Learning.ipynb

  希望这可以帮助！

  回复于 2024-04-29T02:42:21+08:00
• 1

  偶然发现了我自己的问题的答案 . 感谢大家的回答/评论 .

  https://keras.io/layers/about-keras-layers/

  此源的前几行详细说明了如何加载和设置权重 . 实质上，将输出神经元附加到Keras模型可以通过加载旧输出层，附加新权重和设置新图层的权重来实现 . 代码如下 .

  # Load weights of previous output layer, set weights for new layer
  old_layer_weights = model.layers.pop().get_weights()
  new_neuron_weights = np.ndarray(shape=[1,bottleneck_size])
  
  # Set new weights
  
  # Append new weights, add new layer
  new_layer = Dense(num_classes).set_weights(np.append(old_layer_weights,new_neuron_weights))
  model.add(new_layer)
  

  回复于 2024-04-29T02:42:21+08:00