14、计算机视觉中的深度学习：微调与可视化

计算机视觉中的深度学习：微调与可视化

1. 模型微调（Fine - tuning）

模型微调是一种与特征提取互补的模型复用技术。它的核心是解冻用于特征提取的冻结模型基础的顶部几层，然后联合训练新添加的模型部分（如全连接分类器）和这些顶部层。这样做的目的是稍微调整被复用模型的更抽象表示，使其更适应当前的问题。

1.1 微调步骤

微调网络的步骤如下：
1. 在已训练的基础网络之上添加自定义网络。
2. 冻结基础网络。
3. 训练添加的部分。
4. 解冻基础网络中的一些层。
5. 联合训练这些解冻的层和添加的部分。

在进行特征提取时，通常已经完成了前三个步骤。接下来以VGG16网络为例，进行步骤4的操作，即解冻 conv_base 并冻结其中的个别层。

conv_base.trainable = True
set_trainable = False
for layer in conv_base.layers:
    if layer.name == 'block5_conv1':
        set_trainable = True
    if set_trainable:
        layer.trainable = True
    else:
        layer.trainable = False

1.2 选择微调层的考虑因素

为什么不微调更多层，甚至不微调整个卷积基础呢？主要有以下两个原因：
-