添加我自己的密集层后，vgg16 模型的可训练参数发生了变化

Question

vgg16_model = tf.keras.applications.vgg16.VGG16()

model= Sequential()

for layer in vgg16_model.layers[:-1]:

    model.add(layer)

model.summary()                   #The last dense layer is removed till now 

for layer in model.layers:

    layer.trainable=False         #for transfer learning i have freeze the layers


model.add(Dense(2, activation='softmax'))

model.summary()                    #now when i add dense layers trainable parameters of model get changed 

Answer 1

在第一步中，您生成一个具有 134,260,554 个参数的网络。

这些参数都设置为不可训练的。 然后向模型添加一个包含两个神经元的层。 这会向模型添加 2*4096 + 2 = 8194（权重 + 偏差）参数。 这些参数是可训练的。 这就是摘要所显示的。