Deep learning VGG16迁移学习

当我尝试实现迁移学习来训练我的ConvNet模型时，在这个Keras博客（goo.gl/N60H13）中有一段代码我不理解。VGG16总共有21层，但为了冻结除最终FC之外的所有其他层，我需要冻结的层数为20。有人知道为什么博客会变成24（[:25]）吗

守则：

for layer in model.layers[:25]:
    layer.trainable = False

---

也许这和Kera的框架有关

由此可知，Keras的

VGG16模型是通过直接转换Caffe模型获得的。

。通过仔细检查，它确实包含了那个些

零填充层

对于Kera's的当前版本，可能应该是

for layer in model.layers[:15]:
    layer.trainable = False

layer.trainable=False用于机器学习内部的迁移学习概念。为了做到这一点，我们冻结24层并保持输出层不冻结，这样我们就可以在上面训练我们自己的网络

简单地说，最后一层是输出层。我们不想冻结它