Keras中可以有不可训练的层吗？

Question

我想计算不断卷积像模糊或重新取样，并希望它永远不会改变durung训练。

我可以将卷积核初始化为常量并将其排除在Keras中的训练之外？

UPDATE

我不想用这个在文档中声明的目的。我想这样实现残留网络：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。

Answer 1

您应该能够将trainable = False参数传递到图层定义，或者在创建图层后设置layer.trainable = False属性。在后一种情况下，你需要在事实之后进行编译。请参阅FAQ here。

然后，您可以通过传递kernel_initializer = initializer argument来设置层的恒定权重。有关初始化程序的更多信息can be found here。如果你已经在某个地方定义了权重矩阵，我认为你需要定义一个自定义初始化器来将权重设置为你想要的值。该链接显示了如何在底部定义自定义初始化程序。

这就是说，我没有验证过，当我做了Google搜索时，我看到很多关于图层冻结的bug报告弹出不正确。值得一枪，但。