15、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. 模型微调技术

在模型复用方面，除了特征提取，微调（Fine-tuning）也是一种广泛使用的技术。微调是指解冻用于特征提取的冻结模型基础的顶部几层，并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被复用模型的更抽象表示，使其更适用于当前问题。

1.1 微调的步骤

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。

卷积基础的结构如下：

>>> conv_base.summary()
Layer (type)                 Output Shape              Param #   
================================================================
input_1 (InputLayer)         (None, 150, 150, 3)       0         
________________________________________________________________
block1_co