超级会员免费看
本文介绍了如何利用预训练的VGG16模型进行迁移学习，针对猫狗大战数据集进行训练，只更新最后三层全连接层。详细讲述了数据读取、模型构建、训练过程以及模型预测的步骤，并分享了代码和模型权重的获取链接。
1. 迁移学习
现在已经有很很多优秀的神经网络模型，这些模型大部分都是使用ImageNet数据集1000类训练得到的
然而在实际应用中1000类的模型并不完全适用自己的数据集
而使用自己的数据集训练需要花费大量的计算时间，而且有可能数据不够无法得到理想的模型
这时候可以保留训练好的模型的大部分参数，而仅仅对网络的最后几层全连接层进行Finetuning
具体关于迁移学习的介绍可在 深度学习笔记（18） 迁移学习 和 深度学习笔记（31） 迁移与增强 中查看
这里将适用猫狗大战数据集中的1500张图对VGG16网络的最后三层全连接层进行训练
因为最后输出只有两类，所有将最后一层全连接层输出维度改为2
迁移学习的效果：
- 所需样本数量更少
- 模型达到收敛所需耗时更短
订阅专栏 解锁全文
扫一扫
1270
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
