Tensorflow 之finetune微调模型方法&&不同层上设置不同的学习率

2024年4月6日 220次阅读来源: tensorflow

ConvNets:

AlexNet finetune:

– 自己搭建的网络，加载初始化模型：

def load_with_skip(data_path, session, skip_layer):
    data_dict = np.load(data_path).item()
    for key in data_dict:
        if key not in skip_layer:
            with tf.variable_scope(key, reuse=True):
                for subkey, data in zip(('weights', 'biases'), data_dict[key]):
                    session.run(tf.get_variable(subkey).assign(data))

print('Load pre-trained model: {}'.format(weight_file))
load_with_skip(weight_file, sess, ['fc8']) # Skip weights from fc8

VGG模型finetune:

– 自定义网络；加载参数，很详细教程：

– 另外：这是个基于tensorflow-vgg16和Caffe to TensorFlow的VGG16和VGG19的一个TensorFlow的实现。

https://github.com/leihe001/tensorflow-vgg

ResNet的slim模型finetune:

    原文作者：tensorflow
    原文地址: https://www.cnblogs.com/ranjiewen/p/10231170.html
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。