如何将keras中的参数设置为不可训练？

Question

我是 Keras 新手，正在构建一个模型。我想在训练前面的层时冻结模型最后几层的权重。我尝试将横向模型的可训练属性设置为 False，但似乎不起作用。这是代码和模型摘要：

opt = optimizers.Adam(1e-3)
domain_layers = self._build_domain_regressor()
domain_layers.trainble = False
feature_extrator = self._build_common()
img_inputs = Input(shape=(160, 160, 3))
conv_out = feature_extrator(img_inputs)
domain_label = domain_layers(conv_out)
self.domain_regressor = Model(img_inputs, domain_label)
self.domain_regressor.compile(optimizer = opt, loss='binary_crossentropy', metrics=['accuracy'])
self.domain_regressor.summary()

模型总结：.

如您所见，

model_1

是可训练的。但根据代码，它被设置为不可训练。

Answer 1

您可以简单地为图层属性分配一个布尔值

trainable

。

model.layers[n].trainable = False

您可以直观地看到哪一层是可训练的：

for l in model.layers:
    print(l.name, l.trainable)

您也可以通过模型定义来传递它：

frozen_layer = Dense(32, trainable=False)

来自 Keras 文档：

“冻结”一个层意味着将其从训练中排除，即它的 权重永远不会更新。这在以下情况下很有用 微调模型，或使用固定嵌入进行文本输入。
您可以将可训练参数（布尔值）传递给层构造函数以 将图层设置为不可训练。 此外，您可以将图层的可训练属性设置为 True 或 实例化后为假。要使其生效，您需要 修改可训练属性后，在模型上调用compile()。

Answer 2

“trainble”一词有一个拼写错误（缺少“a”）。可悲的是，keras 没有警告我该模型没有“trainble”属性。问题可以结束了。

Answer 3

尽管原始问题的解决方案是一个拼写错误修复，但让我添加一些有关 keras 可训练的信息。

现代 Keras 包含以下工具来查看和操作可训练状态：

• tf.keras.Layer._get_trainable_state()

  函数 - 打印字典，其中键是模型组件，值是布尔值。请注意，

  tf.keras.Model

  也是

  tf.Keras.Layer

  。

• tf.keras.Layer.trainable

  属性 - 操纵各个层的可训练状态。

所以典型的动作如下：

# Print current trainable map:
print(model._get_trainable_state())

# Set every layer to be non-trainable:
for k,v in model._get_trainable_state().items():
    k.trainable = False

# Don't forget to re-compile the model
model.compile(...)

Answer 4

更改代码中的最后 3 行：

last_few_layers = 20 #number of the last few layers to freeze
self.domain_regressor = Model(img_inputs, domain_label)
for layer in model.layers[:-last_few_layers]:
    layer.trainable = False
self.domain_regressor.compile(optimizer = opt, loss='binary_crossentropy', metrics=['accuracy'])

Answer 5

我知道使用 trainable = False，我可以冻结该层的所有权重。但我想为每一层的组件（kernel、recurrent_kernel 和bias）工作。我想将特定层的内核和 recurrent_kernel 冻结为可训练 = False 和可训练 = True。我该怎么做？我尝试了以下代码，但出现错误。谁能向我建议如何使用标准 Keras 使 kernel 和 recurrent_kernel 可训练 = False？

# transfer model layer
lstm_layer = modelTL.layers[0]  

# kernel non-trainable
lstm_layer.cell.kernel.trainable = False

错误：
lstm_layer.cell.kernel.trainable = False 属性错误：无法设置属性