数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装学
法学如何使用 Keras 在 Python 中实现迁移学习？
TensorFlow 是 Google 提供的一个机器学习框架。它是一个开源框架，与 Python 结合使用，可以实现算法、深度学习应用程序等等。它用于研究和生产目的。
张量是 TensorFlow 中使用的数据结构。它有助于连接数据流图中的边。这个数据流图被称为“数据流图”。张量只不过是多维数组或列表。
Keras 在希腊语中意为“角”。Keras 是作为 ONEIROS 项目（开放式神经电子智能机器人操作系统）研究的一部分而开发的。Keras 是一个用 Python 编写的深度学习 API。它是一个高级 API，具有高效的界面，有助于解决机器学习问题。
它运行在 TensorFlow 框架之上。它旨在帮助快速进行实验。它提供了开发和封装机器学习解决方案所需的必要抽象和构建块。
它具有高度可扩展性，并具有跨平台能力。这意味着 Keras 可以在 TPU 或 GPU 集群上运行。Keras 模型也可以导出到 Web 浏览器或移动电话上运行。
Keras 已经存在于 TensorFlow 包中。可以使用以下代码行访问它。
import tensorflow from tensorflow import keras
我们使用 Google Colaboratory 来运行以下代码。Google Colab 或 Colaboratory 帮助在浏览器上运行 Python 代码，无需任何配置，并且可以免费访问 GPU（图形处理单元）。Colaboratory 建立在 Jupyter Notebook 之上。以下是代码片段：
示例
model = keras.Sequential([ keras.Input(shape=(784)) layers.Dense(32, activation='relu'), layers.Dense(32, activation='relu'), layers.Dense(32, activation='relu'), layers.Dense(10), ]) print("Load the pre-trained weights") model.load_weights(...) print("Freeze all the layers except the last layer") for layer in model.layers[:-1]: layer.trainable = False print("Recompile the model and train it") print("The last layer weights will be updated") model.compile(...) model.fit(...)
代码来源：https://tensorflowcn.cn/guide/keras/sequential_model
输出
Load the pre-trained weights Freeze all the layers except the last layer Recompile the model and train it The last layer weights will be updated
Learn Python in-depth with real-world projects through our Python certification course. Enroll and become a certified expert to boost your career.
解释
迁移学习是指冻结模型中的底层并训练顶层。
构建顺序模型。
加载预训练的旧模型权重并将其与该模型绑定。
冻结底层，最后一层除外。
迭代各层，并将除最后一层外的每一层的“layer.trainable”设置为“False”。
将其编译并拟合到数据。
273 次浏览
