Dim*_*ims 6 python machine-learning conv-neural-network keras deep-residual-networks
我想计算不断的卷积,如模糊或重新采样,并希望它永远不会改变durung训练.
我可以将卷积内核初始化为常量并将其从Keras中的训练中排除吗？
UPDATE
我不想将此用于doc中声明的用途.我想以这种方式实现残余网络:一个分支执行正常的可训练卷积,而并行分支执行一些常量,如平均.
您应该能够将trainable = False参数传递给图层定义,或者layer.trainable = False在创建图层后设置属性.在后一种情况下,您需要在事后编译.看到这里常见问题解答.
然后,您可以通过传递kernel_initializer = initializer参数为图层设置常量权重.有关初始值设定项的更多信息,请参见此处.如果您已经在某处定义了权重矩阵,我认为您需要定义一个自定义初始值设定项,将权重设置为您想要的值.该链接显示了如何在底部定义自定义初始值设定项.
也就是说,我还没有验证,当我进行Google搜索时,我看到很多关于图层冻结的错误报告无法正常工作.值得一试.