Deep learning 在MXNet（而非FC层）上进行微调_Deep Learning_Conv Neural Network_Mxnet

Deep learning 在MXNet（而非FC层）上进行微调

deep-learning

Deep learning 在MXNet（而非FC层）上进行微调,deep-learning,conv-neural-network,mxnet,Deep Learning,Conv Neural Network,Mxnet,我是MXNet的新手，我想知道除了FC层之外，是否有人知道如何微调CNN中的更多层。我看到的所有示例都只在FC层上进行了微调。在Keras中，这可以很容易地完成，并且可以微调除FC块以外的更多CONVnet块：如果我们只想微调FC块，我们将所有层的可训练性设置为false： layer.trainable=错误如果我们想微调除FC层以外的更多ConnNet块，我们将这些层设置为layer.trainable=True：我的问题是如何在MXNet中执行类似操作，答案取决于您使用的是命令

我是MXNet的新手，我想知道除了FC层之外，是否有人知道如何微调CNN中的更多层。我看到的所有示例都只在FC层上进行了微调。在Keras中，这可以很容易地完成，并且可以微调除FC块以外的更多CONVnet块：

如果我们只想微调FC块，我们将所有层的可训练性设置为false： layer.trainable=错误

如果我们想微调除FC层以外的更多ConnNet块，我们将这些层设置为layer.trainable=True：

我的问题是如何在MXNet中执行类似操作，答案取决于您使用的是命令式（Gluon）还是符号API

如果您正在使用命令式（Gluon）API：您可以提供要训练的那些参数的子集，而不是使用所有参数（

net.collect_params（）

）创建

glion.Trainer

。传递给培训师的

参数dict

中不存在的任何参数将保持冻结状态

如果您使用的是符号API：

在创建

模块

时，可以使用

固定参数名称

参数。可以提供与要冻结的参数名称匹配的正则表达式。检查示例。

答案取决于您使用的是命令式API（Gluon）还是符号API