JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Листинг 5.1.
«Блокировка» нескольких первых слоев сверточной сети для переноса обучения
Впрочем, недостаточно изменить одно свойство 
trainable
слоя: если просто по­
менять его значение и сразу вызвать метод 
fit()
модели, веса соответствующих сло­
ев все равно будут обновляться во время вызова 
fit()
. Необходимо перед вызовом 
Model.fit()
вызвать метод 
Model.compile()
, чтобы изменения свойства 
trainable
вступили в силу, как это сделано в листинге 5.1. Мы уже упоминали, что вызов 
compile()
задает настройки оптимизатора, функцию потерь и метрики. Однако этот 
метод также позволяет модели актуализировать список обновляемых во время этих 
вызовов весовых переменных. После вызова 
compile()
мы снова выводим сводку 
топологии модели с помощью 
summary()
. Как видно при сравнении старой тополо­
гии с рис. 5.2 с новой, часть весовых коэффициентов модели стали необучаемыми:
Total params: 600165
Trainable params: 590597
Non-trainable params: 
9568
Можете сами убедиться, что число необучаемых параметров, 9568, равно сумме 
количества весовых коэффициентов в единственных двух заблокированных слоях 
с весами (двух слоях conv2d). Обратите внимание, что некоторые из заблокиро­
ванных нами слоев не содержат весовых коэффициентов (например, maxPooling2d 
и слой схлопывания), а потому не вносят никакого вклада в число необучаемых 
параметров при блокировании.
Сам код переноса обучения приведен в листинге 5.2. В нем используется тот же 
метод 
fit()
, что и при обучении моделей с нуля. В этом вызове для оценки безоши­
бочности модели на еще не виденных ею данных применяется поле 
validationData
. 

---

Глава 5. Перенос обучения: переиспользование предобученных нейронных сетей
193
Кроме того, мы подключаем к вызову 
fit()
две функции обратного вызова, одну для 
обновления индикатора хода выполнения в UI, а вторую — для построения графиков 
кривых потерь и безошибочности с помощью модуля tfjs­vis (больше подробностей 
вы найдете в главе 7). Это демонстрирует еще не упоминавшийся нами аспект API 
fit()
: в вызов 
fit()
можно передать функцию обратного вызова или даже массив 
из нескольких функций обратного вызова. Во втором случае во время обучения вы­
зываются все функции обратного вызова (в порядке, указанном в массиве).