Python 选择要训练的层并在Keras中训练的初始模型中添加跳过连接
我想用CT灰度图像训练一个模型,例如: 对于某些类别的疾病,我的训练集是有限的,例如2000个阳性和98000个阴性 我正在考虑使用迁移学习来避免过度拟合并提高模型的有效性,但我也意识到我应该对模型进行微调,因为我为模型提供的图像类型与我将使用的初始模型经过培训的图像类型非常不同 我的问题是,我不确定我应该固定多少层,多少层是可训练的 然后我想使用跳过连接应用随机深度,让网络了解真正需要多少层 因此,我正在考虑实现以下体系结构 也就是说,我将在Keras(Tensorflow 2.0)附带的预训练初始模型各层之间添加跳过连接 我欢迎就如何落实这些想法提出建议。特别是如何将网络分成三部分,第一部分保持不变(不可训练),并在添加跳过连接后训练第二部分。应在Keras中实施Python 选择要训练的层并在Keras中训练的初始模型中添加跳过连接,python,tensorflow,keras,conv-neural-network,transfer-learning,Python,Tensorflow,Keras,Conv Neural Network,Transfer Learning,我想用CT灰度图像训练一个模型,例如: 对于某些类别的疾病,我的训练集是有限的,例如2000个阳性和98000个阴性 我正在考虑使用迁移学习来避免过度拟合并提高模型的有效性,但我也意识到我应该对模型进行微调,因为我为模型提供的图像类型与我将使用的初始模型经过培训的图像类型非常不同 我的问题是,我不确定我应该固定多少层,多少层是可训练的 然后我想使用跳过连接应用随机深度,让网络了解真正需要多少层 因此,我正在考虑实现以下体系结构 也就是说,我将在Keras(Tensorflow 2.0)附带的
density
)+1个具有softmax
激活功能的完全连接层(因为我们希望输出是每种疾病的预测概率)可能会起到作用。当培训此(端点分类器)时,请确保冻结所有其他层(或使用瓶颈功能-请参见下面链接中的操作)
*我指的是输出规定中的第一个,即图像中最高的一个。以下是一些有用的建议。这对考虑帮助的读者和你一样重要。(1) 你可能问的问题太多了。两天八篇帖子意味着你在跳到下一件事情之前,不会等待一件事情的答案。这将进一步向我表明,你没有进行必要的研究。(2) 您正在添加关于感谢帮助的闲聊材料,尽管许多编辑已经从您以前的帖子中删除了这些内容。在这里,技术写作是一种期望。元参考可根据要求提供。