我正在使用带有ImageNet权重的EfficientNet模型（https://keras.io/api/applications/efficientnet/#efficientnetb0-function），我想使用自定义的顶层，所以我设置了top = False。现在我想知道当我使用以下代码时，EfficientNet的权重是否被冻结并且不会被重新训练（这是我想要的效果）：

efnB0_model = efn.EfficientNetB0(include_top=False, weights="imagenet", input_shape=(224, 224, 3))efnB0_model.trainable = False

或者我需要使用其他代码？

非常感谢！

回答：

你的方法是有效的，但通常人们会逐层操作，因为你可能会决定解冻某些层：

for layer in model.layers:    layer.trainable = False

model.layers 返回一个列表，因此你也可以只解冻最后几层：

for layer in model.layers[-10:]:    layer.trainable = False

你可以使用以下代码验证哪些可以被训练：

model.trainable_variables

[]

在这种情况下，没有任何可训练的部分。