在keras中冻结卷积层的正确方法是什么

Question

我想在我的模型中冻结单个卷积层，我通过在卷积层中传递 traninable=False 参数来做到这一点，类似于密集层 Dense(32, trainable=False)

from keras.layers import Dense, Dropout, Activation, Flatten
from keras.models import Sequential
from keras.layers.normalization import BatchNormalization
from keras.layers import Conv2D,MaxPooling2D,ZeroPadding2D,GlobalAveragePooling2D

model = Sequential()
model.add(Conv2D(32, (3, 3), input_shape=(28,28,1)))
model.add(BatchNormalization(axis=-1))
model.add(Activation('relu'))
model.add(Conv2D(32, (3, 3)))
model.add(BatchNormalization(axis=-1))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Conv2D(64,(3, 3),trainable=False)) #freezed layer
model.add(BatchNormalization(axis=-1))
model.add(Activation('relu'))
model.add(Conv2D(64, (3, 3)))
model.add(BatchNormalization(axis=-1))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Flatten())

# Fully connected layer
model.add(Dense(512))
model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(Dropout(0.2))
model.add(Dense(10))

model.add(Activation('softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

模型似乎编译没有任何错误，但是当我检查keras docs 时，Conv2D 似乎没有名为trainable 的参数。我冻结卷积层的方法有效吗？这里发生了什么？

Answer 1

是的，它有效且正确。

可训练参数被所有层的父类（称为Layer）使用，并确保该层的参数不作为可训练参数包含在梯度中。