【问题标题】:transfer learning in keras when input shape is different当输入形状不同时,keras 中的迁移学习
【发布时间】:2021-10-14 16:30:54
【问题描述】:

我有一个关于迁移学习的问题。假设有一个神经网络模型接受形状 (250,7) 的输入。我想用这个预训练模型的权重初始化模型,然后在我的数据集上训练它以根据我的数据集更新权重。但是我的数据集是形状(251,8)。考虑到我的输入形状不同,有没有办法使用预训练模型初始化权重?如果是这样,我该怎么做?我们将不胜感激。

【问题讨论】:

  • 您可以删除一个相关性较低的特征或使用具有 250、7 个顶点的 PCA 降维

标签: python keras deep-learning


【解决方案1】:

您可以尝试在迁移学习模型之前添加另一层。就像最后一层一样,这将更新它在您的数据集上的权重并且应该可以正常工作。

【讨论】:

  • 所以我放弃了迁移学习模型的输入层?
  • 是的,你可以这样做。或者,您可以添加自己的输入层,该输入层馈送到迁移学习模型的输入层。哪个更适合您的用例。
猜你喜欢
  • 2019-12-25
  • 1970-01-01
  • 2020-10-24
  • 2020-05-13
  • 2022-12-09
  • 2021-05-04
  • 2020-05-06
  • 1970-01-01
  • 1970-01-01
相关资源
最近更新 更多