一般建立模型的方法

Question

目前，我正在为情感计算创建模型，我已经看到在tensorflow中有两种不同的构建模型的方法。

1. 初始化一个空的Sequential()，然后将Dense图层放入其中。

model = Sequential()
model.add(Activation('relu'))
.
.
.
model.add(Activation('softmax')) 

2. 获取现有模型的输出，并在之后添加额外的Dense图层

model = VGG16.output
model = Flatten()(model)
.
.
.
model = Activation('softmax')(model)

我想知道第一种方法和第二种方法是否有区别?如果是，哪一个适用于哪些场景?谢谢你的回答。

Answer 1

如果我理解正确，您正在寻找:使用哪种方法以及何时使用的基本原理.

你可以建立一个模型，并从头开始在一些训练数据上训练它。或者，你可以使用之前训练过的模型并对其进行微调，这也被称为迁移学习。你甚至可以使用另一个模型的主干，但是从头开始训练它(这里没有迁移学习)。

您想使用其中的哪一个，这完全取决于您的用例。

1. 问题中的第一个代码块用于从头开始定义您选择的模型。
   • 如果你需要构建更复杂的模型，你可以使用Sequential，Functionalapi，甚至尝试子类化。
2. 你的问题中的第二个代码块可以用于以下两个中的任何一个:
   1. 为你的特定任务微调预学习网络(你在这里基本上是迁移学习)。
   2. 使用网络的骨干而不加载它的权重并从头开始训练。

查看这个:使用Tensorflow.keras进行项目组织。应该有一个子类tf.keras.Model吗?