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

模型微调是一种广泛使用的模型复用技术，它与特征提取互补。微调的过程是解冻用于特征提取的冻结模型基础的顶部几层，然后联合训练模型新添加的部分（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. 在已经训练好的基础网络上添加自定义网络。
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。接下来进行步骤4，即解冻 conv_base 并冻结其中的个别层。

1.2 卷积基础结构

以VGG16的卷积基础为例，其结构如下：

Layer (type)                 Output Shape              Param #   
================================================================
input_1 (InputLayer)         (None, 150, 150, 3)       0         
________________________________________________________________
block1_conv1 (Convolution2D) (None, 1