小编Dan*_*tny的帖子

我将转移学习与 effectivenet_B0 结合使用，我想做的是在网络学习时逐渐解冻层。首先，我在整个网络之上训练 1 个密集层，而其他所有层都被冻结。我使用此代码来冻结图层：

for layer in model_base.layers[:-2]:
  layer.trainable = False

然后我使用以下代码解冻整个模型并冻结我需要的确切层：

model.trainable = True
for layer in model_base.layers[:-13]:
  layer.trainable = False

一切正常。我再进行一次 model.compile，它就开始从原来的地方开始训练，太棒了。但是，当我再次解冻所有层时

model.trainable = True

并尝试进行微调，我的模型从头开始学习。

我尝试了不同的方法和方法来解决这个问题，但似乎没有任何效果。我也尝试对模型中的所有batch_normalization层使用layer.training = False和，但它也没有帮助。layer.trainable = False