python-Progressively在网络训练时冻结层

我正在训练一个模型，希望逐步冻结层，并用已经学会的重量继续训练。我试着看看能不能找到什么，但似乎什么也找不到。我看了这篇文章，但没有多大帮助。有人能确认我做得对吗。这是在使用keras。

    model = create_model()
    model.compile(loss=loss, optimizer=opt_rms, metrics=['acc'])
    mdl_fit = model.fit_generator(
        train_dataset, steps_per_epoch=len(train_dataset),
         callbacks=[early_stopping_monitor],
        epochs=n_epochs, verbose=1, validation_data=test_dataset
    )

   for x in range(4):
        for layer in model.layers[100-((x+1)*20):100-(x*20)]:
            layer.trainable = True
    
        model.compile(loss=loss, optimizer=opt_rms, metrics=['acc'])
        mdl_fit = model.fit_generator(
            train_dataset, steps_per_epoch=len(train_dataset),
            # , callbacks=[early_stopping_monitor]
            epochs=n_epochs, verbose=1, validation_data=test_dataset
        )