如何使用Keras在模型中固定部分层，仅训练特定层？

本文共计713个文字，预计阅读时间需要3分钟。

需求：使用Resnet50进行调优训练，将最后分类目标数量从1000减少至500。问题：下载了resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5，修改了Resnet50后，由于所有层都加入了训练，导致训练速度慢。实际情况：

需求：Resnet50做调优训练，将最后分类数目由1000改为500。

问题：网上下载了resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5，更改了Resnet50后，由于所有层均参加训练，导致训练速度慢。实际上只需要训练最后3层，前面的层都不需要训练。

解决办法：

①将模型拆分为两个模型，一个为前面的notop部分，一个为最后三层，然后利用model的trainable属性设置只有后一个model训练，最后将两个模型合并起来。

②不用拆分，遍历模型的所有层，将前面层的trainable设置为False即可。