现在的话是将VGG特征层全部冻掉，如果我想只冻结前几层，不全部冻结，该怎么做呢？ ## 获取vgg16的特征提取层 vgg = vgg16.features # 将vgg16的特征提取层参数冻结，不对

我用的是VGG的迁移模型，跑出来预测结果就是这样，真的好苦恼，是过拟合了吗，但测试损失并不大啊。

是这样的，我是先写了mnist的模型，能不能封装一下做成model然后迁移学习用来自己的模型。我看网上都是公众的那些VGG啊 Resnet的。不知道自己的模型行不行。如果可以的话，通过CIfar10

我怎么觉得这俩没有什么区别呢，有没有懂的给我讲讲我怎么觉得这俩没有什么区别呢，有没有懂的给我讲讲

train.py参数设置 报错RuntimeError: CUDA error: out of memory 因为自己的电脑没有GPU,老师给了一个jupyter账号。代码在自己的电脑上可以运行，但在

是不是通过训练动物数据集，就可以直接把人体关键点检测的算法直接使用在动物身上呢？多人姿态估计也可以吗？

如果两个经典网络并联，可以分别加载这两个网络的预训练权重吗？

(env) PS D:\编程学习\项目\mysite> py manage.py makemigrationsSystem check identified some issues: WARNI

当训练好模型后，有新的数据需要添加，而新的数据中又包含增量的特征，这时候不想重新提取特征并训练，如何进行特征增量学习？

环境是server2016标准版 svn用的是VisualSVN-Server-3.6.4，同步的机器用的一摸一样的，svn同步机器 到37443这个版本就卡在这里过不去了，svnsync init

片段代码如下：都是进行迁移学习的代码部分， input_shape=t_x.shape[1:] in_lay = tf.keras.layers.Input(shape=input_shape) ba

本人是新入门深度学习，目标识别与分类这一块的，想请问一下我先用一个数据集跑出来的权重文件，当作我目标数据集的预训练权重，再把类别数修改成目标数据集里的类别数，这能算作迁移学习吗？具有可行性吗？目前学的

使用GAIL（Generative Adversarial Imitation Learning）实现逆向强化学习，按照其思路使用PyTorch编写一个模仿学习的程序去模仿一组对gym里面的Pendu

最近看了一篇论文《A Connection Between Generative Adversarial Networks, Inverse Reinforcement Learning, and E

如何保障现有的业务系统向万里数据库迁移过程中，数据迁移能顺利有效进行？

我仿照这个教程https://www.jianshu.com/p/0237ebbee5d5，用tf-slim的resnet50去微调分类office,我在dslr和webcam上分别训练的模型在各自验