VGG19 模型加载与前层冻结：加速训练，避免过拟合

这段代码展示了如何加载预训练的 VGG19 模型，并冻结前 15 层。

conv_base = VGG19(weights='imagenet',
                  include_top=False,
                  input_shape=(150, 150, 3))
for layer in conv_base.layers[:15]:
    layer.trainable = False
conv_base.summary()

冻结这些层的目的是：

1. 加速训练： 冻结层不会被更新，减少了需要训练的参数量，从而加速训练过程。
2. 避免过拟合： 预训练模型已经学习了丰富的图像特征，冻结这些层可以保留这些特征，防止模型过度拟合训练数据。

后续可以在这个 VGG19 模型的基础上添加自定义层进行微调，以适应特定的任务需求。通过冻结前几层，我们可以利用预训练模型的特征提取能力，并只更新我们自己添加的层，从而提高模型的性能和效率。