resnet50モデルで微調整する方法は？

Question

私は、VGG16とInceptionV3を微調整する方法についてインターネットで多くの例を見てきました。たとえば、VGG16を微調整するときに、最初の25層が固定されるように設定する人もいます。 InceptionV3では、最初の172のレイヤーがフリーズされます。しかし、再ネットについてはどうですか？

from keras.applications.resnet50 import ResNet50 

base_model = ResNet50(include_top=False, weights="imagenet", input_shape=(input_dim, input_dim, channels)) 

.............. 

for layer in base_model.layers[:frozen_layers]: 
    layer.trainable = False 

を私はfrozen_layersを設定する必要があり、どのように：我々は微調整を行うと、以下のように、我々は、ベースモデルのいくつかの層を凍結しますか？実際には、VGG16、VGG19、ResNet50、InceptionV3などで微調整を行うと、何層のレイヤーを固定する必要があるのか​​分かりません。誰も私にどのようにこれらのモデルを微調整するための提案を与えることができますか？特に、これらのモデルで微調整を行うと、何層の層の人々がフリーズしますか？好奇心旺盛だ

Answer 1

.... VGG16モデルは23層の合計を持っている...（https://github.com/fchollet/keras/blob/master/keras/applications/vgg16.py）

---

すべてのこれらのモデルは、同様のstrucutre持っている：畳み込み一連の

• をいくつかの緻密層が続く層

これらのいくつかの緻密層どんなケラスがtopと呼ぶか。 （include_topパラメータのとおり）。

通常、この微調整は最後の高密度レイヤでのみ行われます。畳み込みレイヤー（画像を理解し、機能を特定する）に変更を加えずに、自分のクラスに合わせて上部を作成します。

人々は元のモデルが訓練されたのとまったく同じクラスを持たないため、しばしば独自のトップパートを作成します。彼らは最終的な部分を適応させ、最後の部分だけを訓練します。

したがって、include_top=Falseでモデルを作成してから完全にフリーズします。
これで、独自の高密度レイヤーを追加し、これらを訓練可能なままにします。

これは、これらのモデルの最も一般的な適応です。

他の種類の微調整の場合、おそらく明確なルールはありません。