keras搬砖系列-迁移学习与微调

keras搬砖系列-迁移学习与微调

一、迁移学习

要研究的物体不在那个列表，我们通常可能需要区分出不同的型号的太阳镜，认出不同的鞋子，识别各种面部表情，所以需要迁移学习来完成这个学习任务。

二、为什么要采用迁移学习与微调

一般来说从头开始训练一个卷积神经网络，不仅需要大规模的数据集，会占用大量的计算资源，在实际应用中，深度学习相关的研究人员和从业者采用迁移学习和微调的方法，将数据集上有模型地步特征 提取层网络权重传递给新的分类网络。

三、迁移学习

在ImageNet取得一个训练好的卷积神经网络，删除网络顶部的全连接层，然后将卷积神经网络的剩余部分作为新的数据集的特征提取层。

四、微调

更换或者重新训练ConvNet网络顶部的分类器，还可以通过反向传播算法来进行调整训练网络的权重。