迁移学习详情介绍

莫非王土也非王臣2026-01-22 14:48

迁移学习

利用已经训练好的模型作为新模型训练的初始化的学习方式。

为什么使用迁移学习呢？1.所需要的样本更少；2.模型达到收敛所需的耗时更短；

什么时候适合迁移学习？1.当新数据集比较小且和原数据集相似时，2.算力有限时

怎么使用迁移学习？

基于VGG16模型迁移学习构建

复制代码

def vgg16_model(input_shape=(224,224,3)):
    vggl6 = tf.keras.applications.vgg16.VGG16(include_top=False,weights='imagenet',input_shape=input_shape)
    
    for layer in vggl6.layers:
        layer.trainable = False 
    last = vggl6.output
    x = tf.keras.layers.Flatten()(last)
    x = tf.keras.layers.Dense(128,activation='relu')(x)
    x = tf.keras.layers.Dropout(0.3)(x)
    x = tf.keras.layers.Dense(32,activation='relu')(x)
    x = tf.keras.layers.Dropout(0.3)(x)
    x = tf.keras.layers.Dense(2,activation='softmax')(x)
    model =tf.keras.models.Model(inputs = vggl6.input,outputs=x)
    model.summary()
    return model

微调（finetuining）

1.trainable参数变动

在进行Finetuning对模型重新训练时，对于部分不需要训练的层可以通过设置trainable=False来确保其在训练过程中不对呗修改权值

2.加上特定的全连接层

预训练的VGG实在ImageNet数据集上进行训练的，对1000个类别进行判定，若希望利用已经训练的模型用于其他分类任务，需要修改最后的全连接层。