我对凯拉斯很陌生,我正在做一个模型。我想冻结模型最后几层的权重,同时训练前几层。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。下面是代码和模型摘要:
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()
模型摘要:model summary。
如您所见,model_1
是可训练的。但根据规定,它是不可训练的。
“trainble”一词有误(缺少“a”)。可悲的是,凯拉斯没有警告我,模型没有“可训练”的属性。这个问题可以结束了。
您可以简单地为层属性
trainable
分配一个布尔值。你可以想象哪一层是可训练的:
也可以通过模型定义传递:
从路缘石documentation:
更改代码中的最后3行:
相关问题 更多 >
编程相关推荐