如何通過隨機初始化權重從頭開始訓練 keras.applications 中給出的模型？

Question

參考文獻。

我的理解是 keras 模型具有使用 imagenet 數據集預先訓練的權重。 出於學習目的，我想用隨機初始化的權重從頭開始訓練。

首先我從 keras 加載模型。 在這里，我沒有包含我在一些示例中看到的weights='imagenet'參數。 如果我不包括這個參數，這是否意味着模型權重是隨機初始化的？

import os, sys
from keras.utils.vis_utils import plot_model
from keras.applications import VGG16
from keras.layers import Input

from keras.optimizers import SGD

base_model = VGG16(, include_top=False, input_tensor=Input(shape = (224,224,3)))

base_model.summary()
plot_model(base_model, to_file=model_diagram_path, show_shapes=True)

接下來，我將輸出層添加回模型。 我復制了原始 VGG16 模型中給出的相同結構。

from keras.layers.core import Flatten
from keras.layers.core import Dense
from keras.utils.vis_utils import plot_model
from keras.models import Model

# Create head part
head_model = base_model.output

head_model = Flatten(name='flatten')(head_model)
head_model = Dense(4096,activation='relu')(head_model)
head_model = Dense(4096,activation='relu')(head_model)
head_model = Dense(len(class_names),activation='softmax')(head_model)

# Attach head to model
model = Model(inputs=base_model.input, outputs = head_model)

model_diagram_path = 'vgg16-output-modified.png'
plot_model(model, to_file=model_diagram_path, show_shapes=True)

這種方法是否允許我從頭開始訓練模型？ 如果不是，正確的方法是什么？

Answer 1

要從頭開始訓練，您應該為weights參數傳遞None 。

base_model = VGG16(weights=None, include_top=False, input_tensor=Input(shape = (224,224,3)))

調用上述行后，您應該看到下載尚未開始。

根據他們的Github Source ， weights的默認參數是'imagenet'所以跳過這個參數並通過調用你的模型

base_model = VGG16(include_top=False, input_tensor=Input(shape = (224,224,3)))

仍將下載和加載 Imagenet 權重。