我使用keras进行迁移学习。这就是我所做的:
- 加载不带top的预训练模型(Mobilnet(
- 建立一些层的模型,输入是mobilnet的输出,输出是softmax(分类任务(
- 现在,我在bottel颈部图像上训练顶级模型作为输入(通过mobilnet后(
- 最后,我想把top模型和mobilnet连接到full模型,它得到一个图像并预测分类
伪代码:
mnet=MobileNet(include_top=False,pooling='max',
weights='imagenet',input_shape=(224,224,3))
my_net = bottle_neck = Input(shape=(1024,))
some_layer = Dense(100 ,activation='relu')(bottle_neck)
...
final_layer=Dense(6,activation='softmax')(prev_layers)
我的目标是连接移动网络和我的网络,而不需要再次训练谢谢你
这在Keras文档中有介绍,请参阅https://keras.io/applications/#fine-调谐接收v3-on-a-new-set-of-classes
关键是使用基本模型输出作为模型(mnet.output
(的输入,并将基本模型的到达层设置为trainable = False