我想使用别人预训练好的模型（数据集：ImageNet，模型：VGG19）来继续训练自己的数据集，但是因为只训练vgg19的全连接层参数，前面的卷积层参数都是冻结的，会不会最终的分类效果不好啊？我的类别是不是不能分的太多？有没有佬哥尝试过。
自己的数据集数据量太少就只修改softmax层，
比较多就softmax和softmax前一两层，
很多就softmax和softmax前几层。
指导原则：数据量越少，冻结的层可以越多，新训练的层可以越少；数据量越多，冻结的层可以越少，新训练的层可以越多。
（但也不一定，可以多尝试下）
PS：为了加快训练，可以预先把所有数据在最后一个冻结层的激活输出保存起来；以它作为输入，只训练后半截新网络，大大节省时间。训练好了再拼接起来。
其实也是要看你训练的数据是不是在ImageNet中有的相关类别数据，如果有的话，这样提取特征的效果会比较好，因为预训练的权重包含了已经有的类别。如果是新的类别的话，需要进行尝试，因为不同预训练权重对于不同的数据训练的效果，或者需要修改的层数也是不同的，需要经过实验来测试，但是其实修改最后一层的效果会稍微好一些，不会将之前的权重破坏掉。
建议：修改最后一层，或者最后面在加上一层，放自己的分类数
"只训练vgg19的全连接层参数，前面的卷积层参数都是冻结的 " 这个是你的前提设置吗？类别多少应该不是影像性能的主要原因，数据分布和数据集质量比较重要。
如果是你的前提设置，性能不好可以尝试后面多增加一些层进行训练。
如果不是，可以用预训练好的模型当作训练的初始化参数，你继续进行整体模型的重训练。
总之，效果还是要你自己动手进行实验验证，别人的经验与你的情况未必是完全一致的。