在 keras（VGG16 等）中的预实现模型中，指定我们可以更改模型输入的形状并仍然加载预训练的 imagenet 权重。
我感到困惑的是，第一层权重会发生什么？如果输入张量具有不同的形状，那么权重的数量将与预训练模型不同，不是吗？
这里是 Keras VGG16 模型的实现，供参考。
使用 keras.applications 模型中的新输入张量进行迁移学习的第一层权重？
数据挖掘
机器学习
喀拉斯
美国有线电视新闻网
2022-02-17 15:54:50
1个回答
第一层是卷积和池化层：
- 对于卷积层，唯一的权重是内核和偏差，它们具有固定的大小（例如 3x3x3、5x5x3）并且不依赖于输入张量的形状。
- 池化层根本没有权重。
这就是为什么您可以独立于输入张量形状重用权重的原因。
对于密集层（即最终层），您需要匹配形状，因此如果它们不匹配，您将无法重复使用它们。
其它你可能感兴趣的问题